MSE损失功能在pytorch中如何工作？

Question

在以下代码中（从SentEval中提取），定义了一个神经网络结构，该结构将1024个实数映射到5个输出预测。问题在于评估两个句子之间的相关性（每个句子都具有512个特征）。相关性是[1,5]中的数字。我认为，如果训练相关性数在{1,2,3,4,5}中，cross entropy是一个更好的损失函数，但是由于在训练集中我们在[1,5]中具有真实的相关性数，MSE用作损失函数。

问题：由于网络为每个输入输出5个概率数，如何在实数和5个概率数之间计算MSE？

from torch import nn

inputdim = 1024
nclasses = 5
model = nn.Sequential(
            nn.Linear(inputdim, nclasses),
            nn.Softmax(dim=-1),
        )
loss_fn = nn.MSELoss()