我需要解决一个多类别标签问题，即：每张测试图像可以被分配1到10个非互斥的标签。

然而，我在使用 MultiLabelMarginCriterion 时遇到了问题，因为它不被 cunn 支持。因此，我正在寻找替代方法。以下两种方法是否有效？

1. 计算训练集中所有标签的排列组合（约150种），并训练一个分类器来识别这150个类别。然而，我认为测试集中新的标签组合（训练集中未出现的）将无法被识别。

2. 使用 BCECriterion 训练10个独立的二元分类器。即：每个标签训练一个分类器。将每张测试图像通过每个分类器并合并结果。然而，训练大量的卷积神经网络非常耗时。

回答：

我找到的最佳解决方案是使用 MSECriterion，其中目标和预测都是由1和-1组成的数组，分别表示标签的存在或不存在。