回答編集履歴

  > 予測値が [[0.0, 1.0, 0.0], [0.0, 0.0, 1.0]]

 

  [PytorchのCrossEntropyLossの解説](https://qiita.com/ground0state/items/8933f9ef54d6cd005a69)

  の「PyTorchのCrossEntropyLoss」に書かれてるように、「torch.nn.CrossEntropyLoss()」は予測値をソフトマックス処理するので、そうはなりません

 

  > 出力結果

 

  ```python

  import numpy as np

  y = [0, 1, 0]

  print(-1 * y[1] + np.log(np.exp(y).sum()))

  ```

  を計算したら「0.5514」になります

 

  　.

  > 確率分布での学習の場合でも。 -t*log(y) でよいのでしょうか？

 

  「torch.nn.CrossEntropyLoss()」での計算のやり方に合わせたら、という意味なら、

  ```python

  y = [[0.0, 1.0, 0.0], [0.0, 0.0, 1.0]]

  t = [[0.0, 1.0, 0.0], [0.0, 0.0, 1.0]]

  ```

  の場合の計算結果が「0.5514」になるはずですが、質問に掲載のコードではそうなりません

  理由は二つあります

  ・上で指摘したように「torch.nn.CrossEntropyLoss()」は予測値をソフトマックス処理する

  ・一つのサンプルでの複数の結果(この例では三つ)は合計する

 

  以上を踏まえると、こんな感じになると思います

  ```python

  (-t * torch.log(y)).mean()

  ```

  ↓ 変更

  ```python

  torch.mean(torch.sum(-t * torch.t(torch.t(y) - torch.log(torch.sum(torch.exp(y), dim=1))), dim=1))

  ```