之前用octave学习神经网络的时候，用逻辑回归，激活函数是sigmoid，损失函数是交叉熵损失函数，那个时候不用任何框架，需要把label转化成onehot编码：
c =[1:10]
y =(y==c)
只需要两行代码，很简单。
现在使用pytorch框架，刚开始学，情况比较复杂，废了半天时间才能把自己的数据正确导入程序（需要用固定的torch容器来装）,之后训练神经网路的时候开始使用交叉熵损失函数（CrossEntropyLoss），没有发现错误，改用MSE损失函数后反而会报错。后来知道，使用交叉熵损失函数的时候会自动把label转化成onehot，所以不用手动转化，而使用MSE需要手动转化成onehot编码，转化方法如下（https://discuss.pytorch.org/t/convert-int-into-one-hot-format/507/3）：
Paste_Image.png
