做分类任务时，你一定见过这个损失函数。它到底在算什么？为什么几乎所有深度学习框架都默认用它？
从直观理解开始
假设你有一个分类模型，预测一张图是猫的概率是 0.8，是狗的概率是 0.2。如果这张图真的是猫，你希望模型对"猫"的预测概率越接近 1 越好。
似然（Likelihood） 就是衡量"模型预测与实际标签有多匹配"的指标。预测越准，似然值越大。本质上，它在回答：给定当前模型参数，观察到这些训练数据的概率有多大？
为什么要取对数？
概率都是小于 1 的数，连乘起来会越乘越小，甚至下溢为 0。比如 0.1 的 100 次方，计算机直接当成 0 处理。
取对数有两个好处：
- 把乘法变加法，计算更稳定
- 把指数运算拉平，求导更简单
为什么要加负号？
对数后的似然值通常是负数（因为 log(0.8) < 0）。而损失函数习惯上越小越好，加个负号就顺理成章了。于是"最大化似然"变成了"最小化负对数似然"，完美融入梯度下降的框架。
公式长这样
NLL = -\sum{i=1}^{N} \log(p(y_i|x_i))
简单说：对每个样本，取模型预测正确类别的概率的对数，累加后取负。
举个例子：三分类任务，真实标签是第 2 类，模型输出 softmax 概率是 [0.2, 0.7, 0.1]。NLL = -log(0.7) ≈ 0.36。如果模型更自信，输出 [0.1, 0.9, 0.0]，则 NLL = -log(0.9) ≈ 0.11，损失更低。
和交叉熵的关系
二分类时，NLL 等价于二元交叉熵；多分类时，等价于交叉熵损失。所以你在 PyTorch 里看到的 CrossEntropyLoss，底层就是 NLL 加上 Softmax。
区别是：NLLLoss 要求输入已经过 log-softmax，而 CrossEntropyLoss 帮你做了 softmax + log + NLL 的打包操作。
为什么不用准确率当损失？
准确率不可导。预测从 0.51 变到 0.99，准确率都是"对"，但模型明显进步了。NLL 能捕捉这种细微变化，给出连续的梯度信号。
一句话总结：负对数似然就是在问"模型对正确答案有多自信"，然后惩罚那些不自信（或自信错了）的预测。它是连接概率统计和梯度优化的桥梁。
💡 下次写代码时，你就知道 criterion = nn.CrossEntropyLoss() 背后在算什么了。
