原因1：预测值和标签值都需要进行softmax归一化处理

原因2：预测值还需要再进行log计算，标签值不需要

KL散度

KL散度，又叫相对熵，用于衡量两个分布（离散分布和连续分布）之间的距离。

设  p(x) 、 q(x) 是离散随机变量X的两个概率分布，则 p 对q 的KL散度是:

 在pytorch中，nn.KLDivLoss()的计算公式如下：

 上图y为标签，x为预测值，则pytorch应该以如下代码使用

lossfunc = nn.KLDivLoss()
loss = lossfunc(预测值, 标签值)

在计算公式中，预测值x的输入要是对数形式，而标签值y则不需要，所以如果我们要对预测值和标签值的softmax值求KL散度就需要如下：

temp = 1 #温度系数
probs = torch.Tensor([[2, 6, 8], [7, 1, 2], [1, 9, 2.3], [1.9, 2.8, 5.4]])
target = torch.Tensor([[0.8, 0.1, 0.1], [0.1, 0.7, 0.2], [0.5, 0.2, 0.3], [0.4, 0.3, 0.3]])
loss = lossfunc(F.log_softmax(probs / temp, dim=1), F.softmax(target / temp, dim=1))#如果probs和target已经是softmax的形式，就只需要给probs取对数输入就行了

所以，在pytorch中预测值和标签值分别做如下处理：

F.log_softmax(预测值/ temp, dim=1)

F.softmax(标签值/ temp, dim=1)