Torch中的損失函數用于衡量模型預測結果與真實標簽之間的差異，幫助模型優化學習參數以使其能夠更準確地預測。常見的損失函數包括交叉熵損失函數（CrossEntropyLoss）、均方誤差損失函數（MSELoss）、負對數似然損失函數（NLLLoss）等。這些損失函數在訓練神經網絡時起著至關重要的作用，幫助網絡逐步調整參數，使得模型的預測結果更加接近真實標簽。
