实现数值稳定的交叉熵损失

从零实现多分类交叉熵损失（mean reduction）。给定未归一化的 logits 和整数类别标签，返回标量损失： loss = mean_i( logsumexp(logits[i]) - logits[i, targets[i]] ) 要求： - 实现必须数值稳定：输入 logits 含 ±1000 量级的极端值时不能产生 inf/NaN（提示：减去每行最大值再做 log-sum-exp）； - 不要直接调用 torch.nn.functional.cross_entropy / torch.nn.CrossEntropyLoss； - 计算必须可微（对 logits 的梯度应为 softmax(labels) - onehot(targets) 的批均值）； - 返回形状为标量张量（torch.shape 为 []）。