binary cross entropy loss with logits

ニューラルネットワークの損失関数において，(binary) cross entropy lossと(binary) cross entropy logitsの違いがわかりません．

入力0.1，0.9に対してそれぞれ試してみた結果次のようになりました．

Python
1x = torch.tensor([0.1]*10 ,dtype=torch.float)
2b = torch.zeros(10,dtype=torch.float)
3b1 = torch.ones(10, dtype=torch.float)
4
5m = F.binary_cross_entropy(x, b)
6m1 = F.binary_cross_entropy(x, b1)
7n1 = F.binary_cross_entropy_with_logits(x,b)
8n2 = F.binary_cross_entropy_with_logits(x,b1)
9print(m,m1,n1,n2)
10
11#tensor(0.1054) tensor(2.3026) tensor(0.7444) tensor(0.6444)

python
1x = torch.tensor([0.9]*10 ,dtype=torch.float)
2b = torch.zeros(10,dtype=torch.float)
3b1 = torch.ones(10, dtype=torch.float)
4
5m = F.binary_cross_entropy(x, b)
6m1 = F.binary_cross_entropy(x, b1)
7n1 = F.binary_cross_entropy_with_logits(x,b)
8n2 = F.binary_cross_entropy_with_logits(x,b1)
9
10print(m,m1,n1,n2)
11
12#tensor(2.3026) tensor(0.1054) tensor(1.2412) tensor(0.3412)

0.9に対しては，正解ラベル1の方がlossの値は小さくなっているので理解できます．
0.1に対して，with logits では正解ラベル0の方がlossの値が小さくなっているのは変じゃないですか？これでは正解ラベルに近づくようにパラメータを更新できるようには思えません…．
Pytorch公式の解説（ページ）を読みましたがピンときませんでした．

なぜこのようなことが起こってしまうのか，そもそもwith logitsはなんなのか，ご教授頂けますと幸いです．