nn.CrossEntropyLoss ждёт сырые logits формы (N,C) и целочисленные метки (N,) классов 0..C-1 (или soft labels в новых API).
Разбор
- Внутри совмещает LogSoftmax + NLLLoss.
- Не подавайте вероятности после Softmax — численно хуже.
- Для binary часто
BCEWithLogitsLoss.
ignore_index полезен в NLP/сегментации.
Итог
CrossEntropy работает с logits и class indices, не с Softmax-выходом.