多标签分类，数据，模型，训练输入输出

DataFountain-天气以及时间分类：CNN多标签分类 准确率0.92

数据：
	dataset返回： img   标签1 标签2 标签3

模型 backbone 
              + fc1
              + fc2
              + fc3
      
	    def forward(self, x):
	        out = self.backbone(x)
	        # 同时完成类别1 和 类别2 分类
	        logits1 = self.fc1(out)
	        logits2 = self.fc2(out)
	        return logits1, logits2
训练：
    # 模型训练
    model.train()
    for i, (x, y1, y2) in enumerate(train_loader): #图片x  标签  y1 y2
        pred1, pred2 = model(x)   # 模型返回对应，标签属性下的多分类头，加入标签计算损失函数

        # 类别1 loss + 类别2 loss 为总共的loss  ，多个损失就变成多个分类损失相加
        loss = criterion(pred1, y1) + criterion(pred2, y2)
        Train_Loss.append(loss.item())
        loss.backward()
        optimizer.step()
        optimizer.clear_grad()

        Train_ACC1.append((pred1.argmax(1) == y1.flatten()).numpy().mean())
        Train_ACC2.append((pred2.argmax(1) == y2.flatten()).numpy().mean())