Section 3 [실습] PyTorch로 구현해보는 Loss Function의 Cross Entropy 구현 관련하여 질문이 있습니다.

안녕하세요 선생님,

batch_size = 16
n_class = 10

def generate_classification(batch_size=16, n_class=10):
    pred = torch.nn.Softmax()(torch.rand(batch_size, n_class))
    ground_truth = torch.argmax(torch.rand(batch_size, n_class), dim=1)
    return pred, ground_truth

def CE_loss(pred, label):
    loss = 0.
    exp_pred = torch.exp(pred) # 이 부분 관련 질문이 있습니다.

    for batch_i in range(len(pred)):

      for j in range(len(pred[0])):
        if j == label[batch_i]:
          print(pred[0], j)
          loss = loss + torch.log(exp_pred[batch_i][j] / torch.sum(exp_pred, axis=1)[batch_i])

    return -loss / len(pred)

CE loss를 구현하는 과정에서 exp_pred = torch.exp(pred) 행이 왜 필요한 것인지 궁금합니다!

exp를 취해주는 이유는 모델의 출력값 logits에 exp를 적용해 각 클래스에 대한 예측값을 양수로 변환한다고 알고 있는데
generate_classification위에서 이미 softmax를 취해서 확률분포로 변환해주기 때문에 음수 값은 나오지 않는데 왜 exp를 적용해주어야 하는지 모르겠어서 여쭤봅니다!