我想执行多标签分类（对celeba图像的属性预测）。我想使用tf.losses.sigmoid_cross_entropy函数。 将正确的答案标签设置为multi_class_labels（parameter）并通过CNN的最后一个fc层（其吐出正确标签的大小）作为logits（parameter）是否正确？
似乎可以实现各种来源，但是我认为将最后一个fc层后传递batch_normalization + sigmoid的结果作为logits（parameter）以获得正确的性能是正确的。它似乎实际上产生了正确的性能。
属性数据有25个标签，几乎全部为0，而sex和is_young还有1个标签（总计0为84％）。在前一种实现中，93％表示精度，而后者则表示99％精度。但是我不确定后者是否是正确的实现。
我可以这样使用吗？
（而且，难道不知道数据中的1是否大于0吗？）