小编Wil*_*hou的帖子

我正在使用一些递归神经网络结构进行多标签分类。我的问题是关于损失函数的：我的输出将是true / false（1/0）值的向量，以指示每个标签的类。许多资源表示，汉明损失是适当的目标。但是，汉明损耗在梯度计算中存在问题： H =平均值（y_true XOR y_pred），XOR无法得出损耗的梯度。那么，还有其他损失函数可用于训练多标签分类吗？我已经尝试过使用单独的S型输入进行MSE和二进制交叉熵。

我正在尝试对一些大数据实施分而治之的解决方案。我使用 fork 和 join 将事物分解为线程。但是我有一个关于分叉机制的问题：如果我将分而治之的条件设置为：

@Override
protected SomeClass compute(){
    if (list.size()<LIMIT){
        //Do something here
        ...
    }else{
        //Divide the list and invoke sub-threads
        SomeRecursiveTaskClass subWorker1 = new SomeRecursiveTaskClass(list.subList());
        SomeRecursiveTaskClass subWorker2 = new SomeRecursiveTaskClass(list.subList());
        invokeAll(subWorker1, subWorker2);
        ...
    }
}

如果没有足够的资源可供调用subWorker（例如池中没有足够的线程），会发生什么情况？Fork/Join 框架是否维护可用线程的池大小？或者我应该将这个条件添加到我的分治逻辑中？