一路丶凯歌: Test loss: 58.742 Test accuracy: 0.480 预测概率为: 1.000000 预测结果为:负向 为什么我是这样的，代码都完全一样

数据人阿多: 嗯，可以这么理解

Fun': 感谢回复，我可能没表达清楚我的意思。比如一张图像里有“人”、“猫”、“狗”，也就是3个类别，假设图像经过sigmoid输出每个类别的概率为0.98、0.89、0.95，（也就是一次输入，一次输出），但是“人”这个类别的概率0.98是怎么得来的呢，我的理解是：sigmoid对图像里的“人”和“非人”这两个类别进行了建模分类，也就是说还是二分类，同理，“猫”、“狗也是这样”。即3个概率值虽然是一次输出的，但是“一次输出”里的3个概率值本质上对应3个二分类器（“人”-“非人”； “猫”-“飞猫”； “狗”-“非狗”）。

数据人阿多: 不是，比如一个语句里面，包含多个意图类别的话，就可以一次输入，一次输出，每个意图类别是不同的得分

Fun': 抱歉，是我理解错了。有个问题想问下，文中所说的 sigmoid用于多分类任务，是不是相当于多分类任务中的每个类别都训练一个sigmoid二分类器。本质上，sigmoid还是二分类，请问我这样理解对吗？