Pytorch faisant une perte d'entropie croisée lorsque les prédictions ont déjà des probabilités

Question

Ainsi, normalement l'entropie croisée catégorique pourrait être appliquée en utilisant une fonction de perte de l'entropie croisée à Pytorch ou en peignant un logsoftmax avec la fonction de probabilité de journal négatif comme suit:

m  = nn.LogSoftmax(dim=1)
loss = nn.NLLLoss()
pred   = torch.tensor([[-1,0,3,0,9,0,-7,0,5]], requires_grad=True, dtype=torch.float)
target = torch.tensor([4])
output = loss(m(pred), target)
print(output)

La chose est. Que se passe-t-il si les données de la sortie sont déjà dans un état avec les probabilités où la variable pré a déjà les probabilités. Où les données sont présentées comme celles suivantes:

pred = torch.tensor([[.25,0,0,0,.5,0,0,.25,0]], requires_grad=True, dtype=torch.float)

Comment l'entropie croisée pourrait-elle alors être terminée à Pytorch?