Python Tensorflow中的多标签多类分类器

我想用TensorFlow制作一个多标签多类分类器。 比如说,

• 标签：A、B、C、D、E、F

数据具有多标签

• data1标签：[0,1,1,0,0]
• data2标签：[1,0,0,0,0]
• data3标签：[0,1,0,0,0]

我想用神经网络对这些标签进行分类。 我可以使用下面的代码作为成本吗

loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(data1 prediction, data1 label))

---

不，不能使用为损失函数提供的代码，因为标签参数需要有效的概率分布

如果每个示例可以属于多个类（即类是独立的，而不是互斥的），则建议选择

---

更新：回答您的评论

当我谈论一个有效的概率分布时，我的意思是每个“标签数组”的元素必须和1，所有元素都必须是非负的。例如，data1标签不是有效的概率分布，因为其元素之和为2

---

您的问题显然是二进制分类，因为类不是互斥的，您希望为每个类生成独立的概率（即属于该类的概率）。

非常感谢！