我想训练一个模型对A，B，C和D类别进行分类，然后将4个类别编码为4D向量。 [1，0，0，0]表示样本被分类为A。然后我们可以馈送训练样本，正向传播，计算损耗和反向传播。
一个常见的损失函数是softmax_crossentropy，但是在计算损失时，它认为损失（y_pred = [1，0，0，0]，y_true = [0，0，0，1]）与损失（y_pred = [0，0，1，0]，y_true = [0，0，0，1]）。但是这些类别具有特定的关系，A和B比C或D更近，C和D比A或B更近，因此损失（y_pred = [0，0，1，0]，y_true = [0，0 ，0，1]）小于损失（y_pred = [1，0，0，0]，y_true = [0，0，0，1]），因此可以快速训练模型并转为真函数
那么我们如何设计合理的损失函数？