pytorch 绘制多个算法loss_Multi label 多标签分类问题（Pytorch，TensorFlow，Caffe）

适用场景：一个输入对应多个label，或输入类别间不互斥

调用函数：

1. Pytorch使用torch.nn.BCEloss

2. Tensorflow使用tf.losses.sigmoid_cross_entropy

3. Caffe使用SigmoidCrossEntropyLoss

在output和target之间构建binary cross entropy，其中i为每一个类。

以pytorch为例：Caffe，TensorFlow版本类比，输入均为相同形式的向量

m =nn.Sigmoid()

loss=nn.BCELoss()

input= autograd.Variable(torch.randn(3), requires_grad=True)

target= autograd.Variable(torch.FloatTensor(3).random_(2))

output=loss(m(input), target)

output.backward()

注意target的形式，要写成01编码形式，eg：如果同时为第一类和第三类则，[1, 0, 1]

主要是结合sigmoid来使用，经过classifier分类过后的输出为(batch_size，num_class)为每个数据的标签, 标签不是one-hot的主要体现在sigmoid输出之后，仍然为(batch_size