我有一个多标签分类问题。我有11个课程，大约4k个示例。每个示例可以具有1到4-5的标签。目前，我正在为每个类别分别使用log_loss训练分类器。如您所料，训练11个分类器需要花费很多时间，我想尝试另一种方法，只训练1个分类器。这个想法是，该分类器的最后一层将有11个节点，并将按类输出实数，然后将其通过S型转换为Proba。我要优化的损失是所有类上log_loss的平均值。
不幸的是，我是某种带有pytorch的菜鸟，即使通过阅读损失的源代码，我也无法弄清楚是否已经存在的损失之一确实满足我的要求，或者我是否应该创建新的损失，如果是这样，我真的不知道该怎么办。
具体来说，我想为批次中的每个元素提供一个大小为11的向量（其中每个标签均包含一个实数（越接近无穷大，则该类的预测值越接近1），并且1个大小为11的向量（每个真实标签均包含1），并且能够计算所有11个标签的均值log_loss，并基于该损失优化分类器。
任何帮助将不胜感激:)