面字节算法工程师的时候，面试官问我项目中的一个有几百个类别的深度学习分类模型，一直没Get到面试官想要的回答是什么：

“是怎么预测的，或者说目标函数是怎么定义的”
我答用目标函数是交叉熵损失

追问“你这个项目里，二分类和几百分类的区别是什么，从模型设计角度讲”
我答CE loss 可以扩展到任意维度

追问“具体的目标函数形式是什么样子，交叉熵损失是怎么用进去的”，“不是交叉熵的公式，而是对这几百个类别”，“你的损失函数是怎么定义的”，“用形式化的语言描述一下”

我答是(用交叉熵的公式)拟合预测标签分布和真实标签分布之间的误差

面试官觉得很泛，要求我说出更细节的东西，比如每个类的表示、输出多少个结果

面试官最后问“用一个二分类的目标模型，有几种方式实现多分类”

我回答要么输出一个1*C的标签概率向量，要么直接输出一个回归预测值作为标签

😣这个初级问题问了五分钟，不太明白到底要回答什么、想follow-up什么。是想让我串讲一下多分类的实现方式，一对多、多对多那些，还是目标函数的几种分类(回归loss、分类loss等)？