Torch7替代MultiLabelMarginCriterion

Question

我要解决多类标签问题。即：每个测试图像可以分配1-10个非独占标签。

但是，我遇到MultiLabelMarginCriterion问题，因为cunn不支持它。所以，我正在寻找替代方法。这些中的任何一个都有效吗？

1. 计算训练集中标签的每个排列（约150）并训练分类器以识别这150个类。但是，我不认为测试集中的标签的新排列（训练集中没有的标签）不会被识别。

2. 使用BCECriterion训练10个单独的二元分类器。即：每个标签的一个分类器。通过每个分类器运行每个测试图像并合并结果。但是，培训大量CNN非常耗时。

Answer 1

我发现的最佳解决方案是使用MSECriterion，其中目标和预测是1和-1的数组，表明标签的存在与否。