pytorch可用于二分类的损失函数

BCELoss (Binary Cross Entropy Loss): 用于二分类问题，计算正负样本之间的交叉熵损失。

BCEWithLogitsLoss: 组合了Sigmoid函数和BCELoss，可以更快地收敛。

Hinge Embedding Loss: 适用于二分类问题，计算正负样本之间的Hinge loss。

MarginRankingLoss: 计算两个输入之间的Hinge loss，适用于二分类问题。

CrossEntropyLoss: 适用于多分类问题，将输入视为多个类别的概率分布，并计算实际类别的交叉熵损失。在二分类问题中，可以将类别数量设置为2，然后使用该损失函数。