小编Chu*_*lhu的帖子

我知道 matplotlib 3D 对于以正确的顺序绘制多个 3D 对象（平面、线、点）是不可靠的：请参阅Matplotlib 3D plot zorder 问题和如何绘制相交平面？. 然而这些问题似乎很老，所以提出了解决方案。因此，我想知道是否有针对以下特定简单场景的一些新开发、工具、变通方法或硬编码解决方案：

import mpl_toolkits.mplot3d as a3
import matplotlib.pylab as plt
import numpy as np    

fig = plt.figure()
ax = a3.Axes3D(fig)

# create an orizontal plane
corners = [[0,0,0],[0,5,0],[5,5,0],[5,0,0]]
tri = a3.art3d.Poly3DCollection([corners], alpha=1)
tri.set_color('w')
tri.set_edgecolor('k')
ax.add_collection3d(tri)

# plot a vector
ax.plot([2,2],[2,2],[0,4], c = 'r')

# plot some points
ax.scatter([1,3],[1,3],[1,3], c = 'r')

ax.set_xlim([0, 5.0])
ax.set_ylim([0, 5.0])
ax.set_zlim([0, 2.5]);

plt.show()

在此图像中，您可以看到可视化问题：向量不是从平面开始，因为它的初始点是 (2,2,0)

我是 DNN 和 pytorch 的初学者。我正在处理一个多分类问题，其中我的标签被编码为一个单热向量，比如维度D。为此，我使用了 CrossEntropyLoss。但是现在我想修改或更改这样的标准，以惩罚与实际值相距甚远的值，例如分类 4 而不是 5 比分类 2 而不是 5。

Pytorch 中是否已经内置了一个函数来实现这种行为？否则我如何修改 CrossEntropyLoss 来实现它？