linwaydong

@YonghaoHe CE_gradient /= mx.ndarray.sum(loss_mask).asnumpy()[0] cls loss返回的是所有 loss的平均值，还是总和呢？如果求均值的话，cls loss是不是会很小？

@mifan0208 损失值大小应该没关系，只要能有一个下降趋势。