多分类和多标签分类的区别
多分类： 一个样本属于且只属于多个分类中的一个，一个样本只能属于一个类，不同类之间是互斥的，比如图片中一个狗只能被划分成狗，不能被划分成猫。
多标签分类： 一个样本可以属于多个类别（或标签），不同类之间有关联，比如一个电动车可以被划分成“电动车”和“车”，这连个标签不是互斥的，而是有关联的。
用softmax做多分类和多标签分类
我们假设，一个神经网络模型最后的输出是一个向量logits = 【1，2，3，4】，这个就是神经网络全连接层的输出。我们假设一共有4个类别。
softmax可以将logits转换成一个概率分别，然后取概率值最大的最为样本的类别。这个情况是将softmax用于多分类。
我们同样可以取概率的top前几作为最终的多个标签，或者设置一个阈值，并取大于概率阈值的几个类别。这个情况我们将softmax用于多标签分类。
用sigmoid做多标签分类
sigmoid一般不用来做多分类，而是用来做二分类的。
它将一个标量数字转换成【0，1】之间的数，如果大于一个设定的概率阈值，我们认为其属于某一类，否则不属于某一类。
那么我们如何使用sigmoid进行多标签的分类呢？
我们可以针对logits中每个分类计算的结果分别使用一个sigmoid分类器，分别判定样本是否属于某个类别。
在上述向量logits中，使用sigmoid分类器将4个数字都变成【0，1】之间的概率值，假设结果为【0.02，0.06，0.8，0.6】，然后我们设置4个个概率值，比如0.3，0.3，0.3，0.3，如果概率值大于0.3判定符合类别，那么类别3和类别4都符合。