AI分类任务种类分为3大类：二分类任务，多标签多分类任务，单标签多分类任务。
1 二分类任务
二分类任务很简单，就是"是"与"不是"。输入一个图片，判断是不是有猫，是为1，不是为0。
输出层神经元个数有两种情况：
（1）输出层只有一个神经元，各个输出神经元的处理方法（这里只有一个神经元）：
logits＋sigmoid激活＋0或1标签＋BCE损失计算。
（2）输出层的神经元有2个，对于这种特殊情况，各个输出神经元的处理方法：
logits＋softmax激活＋onehot编码标签＋CCE损失计算。
二分类任务主流多是第一种情况，第二种情况少见。
2 多标签多分类任务
多标签多分类任务就输入有多个标签（即多个类型），输出类型也是多个（至少2个类别）。
什么意思？比如一张图片里有猫和狗两个类别，输出类别是人/猫/狗/车/房等5个类别，即输出层有5个神经元------每个神经元代表一类------就像信号灯一样，我亮起来给你留灯，你属于我这一类------你训练的目标就是让输出层中代表猫和狗的2个神经元同时输出1。
这种和二分类任务的第一种情况一样，所以我们可以把多标签多分类分解为多个二分类任务，于是它的解法和二分类任务第一种情况一样，各个输出神经元的处理方法：
logits＋sigmoid激活＋0或1标签＋BCE损失计算。
正因为它和二分类任务主流一样，所以把它紧挨着二分类讲。要不然我为啥不先说单标签多分类任务呢？
3 单标签多分类任务
单标签多分类任务就是在多个分类中选一个类别作为你的类别。
比如你定的模型输出的类别有人/猫/狗/车/房等5大类别，你输入的图片只有一个标签（属于5类中的一类）。也就是说输出层神经元有5个，模型每次推理选择5类中最大的值作为输入的标签，在和真实标签比对进行训练。
也就是说真实标签是onehot编码。
于是，我们可以这样处理：
logits＋softmax激活＋onehot编码标签＋CCE损失计算。
可以看到和二分类任务的第二种情况一样！