gpu版的multi-label，label输入是sparse类型， 从代码里支持使用classification_error评估，这个evalutor调用的https://github.com/PaddlePaddle/Paddle/blob/develop/paddle/math/Matrix.cpp#L4555 函数没有GPU实现，所以不能用该函数评估。

想到的办法：

看似用的Paddle非常古老，你可以使用parallel_nn，让这个evalutor跑在CPU上，参考用法： http://www.paddlepaddle.org/docs/0.9.0/documentation/en/ui/cmd_argument/use_case.html#parallel-nn
训练中不做评估，保存模型线下用CPU评估。

gpu版的multi-label，可以在train的时候evaluation吗？应该怎么写evalution呢？
下面的写法为啥不行呀？
Evaluator(
inputs = ['output', 'label'],
type = 'classification_error',
name = 'classification_error',
classification_threshold = 0.5
)
改成：
classification_error_evaluator("ErrorRate", input=output, label=label)
报错：
TypeError: classification_error_evaluator() got multiple values for keyword argument 'input'

Matrix.h:1029] Not implemented

看起来是某个计算不支持

cpu版的multi-label是怎么评估的啊？就是说准确率是怎么算的？
是全部准确才算正确？还是预测的Top1-hit-rate？
Evaluator(
inputs = ['output', 'label'],
type = 'classification_error',
name = 'classification_error',
classification_threshold = 0.5
)

不是的，这里指定了 classification_threshold 阈值，计算error的时候和这个阈值比较：

(超过阈值的非label数 + 未超过阈值的label数)/总类别数

超过阈值的非label数： 是预测错误了，将当前样本预测为了某个非标签类别了；
未超过阈值的label数：是将本来的类别，没有预测出来；
总类别数：是总的数量
评估方法代码：

Paddle/paddle/math/Matrix.cpp

Lines 4555 to 4589 in 2e331c6

 void CpuMatrix::classificationErrorMulti(Matrix& output,

                                          Matrix& label,

                                          real threshold) {

   CHECK(dynamic_cast(&output));

   auto labelPtr = dynamic_cast(&label);

   CHECK(labelPtr);

   size_t numSamples = getHeight();

   size_t dim = output.getWidth();

   CHECK_EQ(numSamples, output.getHeight());

   CHECK_EQ(numSamples, labelPtr->getHeight());

   CHECK_EQ(dim, labelPtr->getWidth());