這里不列舉兩個loss所對應的數學表達式，網絡資料很多，可自行google。在此只簡單說明一下具體使用區別。
1. SigmoidCrossEntropyLoss結合sigmoid函數，多是應用於二分類或多目標分類。
* 對於二分類，預測輸入圖像為1的概率，一張圖像，其label個數也為1，保證該層的bottom[0]和bottom[1]的[N C H W]是一樣的。
* 對於多目標分類，其相當於預測該圖像中是否**存在**某**些**目標，存在為1，不存在為0。此時，圖像的label應該是one-hot形式。例如：目標類別數是5，對於訓練圖像，其label形式應該為`image.jpg 0 1 0 1 1`，每個位置分布代表是該圖像是否存在相應的目標。同樣，也保證該層的bottom[0]和bottom[1]的[N C H W]是一樣的。
2. SoftmaxWithLoss結合softmax函數，多用於多類別分類。
* 該loss預測的是網絡最后的輸出分別屬於**多個類別的概率**，對於給定的label，其優化目標就是使得網絡輸出等於該label的概率值最大，因此，其bottom[0]和bottom[1]的C通道應該倍數關系（bottom[0]->shape[1] / bottom[1]-shape[1] = 類別的個數）
caffe中只定義了一種sigmoidcrossentropyloss，tensorflow中定義了4種不同的cross entropy loss，分別應用於不同的分類問題
- tf.nn.sigmoid_cross_entropy_with_logits
- tf.nn.softmax_cross_entropy_with_logits
- tf.nn.sparse_softmax_cross_entropy_with_logits
- tf.nn.weighted_cross_entropy_with_logits