我想实现一个分类器，该分类器可以具有10个可能的类中的1个。我正在尝试使用MultiClass Softmax损失函数来做到这一点。浏览文档时，我不清楚该功能需要什么输入。
[文档说，它需要两个矩阵[N，C]，其中一个是输入，另一个是目标。据我所知，输入矩阵将是我的神经网络要计算的那个矩阵，它具有神经网络给10个类别中每个类别的概率。目标是我从数据集中得到的目标。
文档说-“ Target（N，C）-用-1填充目标标签，确保与输入的形状相同。”这是什么意思？我是否在不正确的类中传递零，而在正确的类中传递-1？
如果有人能够详细说明并显示甚至可以作为目标矩阵传递的2d样本矩阵，那将是很好的。
[如果您知道每个示例中只有10个可能的类中的1个，则应使用CrossEntropyLoss，将形状为CrossEntropyLoss的网络预测和形状为[batch, n_classes]的标签传递给[batch]（每个元素标签的范围是0到n_classes-1之间的整数。
您正在寻找的损失是针对每个示例可能属于多个类别（例如，一个人可以分为女性和老年人）的情况设计的。我认为正是这种“多重”使您感到困惑-它代表了多种可能的分类每个示例，而不仅仅是整个“宇宙”中的多个潜在标签。
在您似乎一直在思考的宇宙中，有两个或多个标签的意义，与CrossEntropyLoss对应的是BCELoss（BCE代表二进制交叉熵），这只是[ C0]对于两个标签。