利用ernie做finetune任务，修改分类任务的loss为sigmoid_cross_entropy_with_logits，如下图所示 其中labels是one_hot形式 在训练过程中看到loss逐渐下降，但是预测时输出值不正常 可以看到，预测结果全部偏向于第一维
有个类似的问题，https://github.com/PaddlePaddle/Paddle/issues/11347，里面提到解决方式是修改label type from sparse_binary_vector to dense_vector，这种修改方法在ernie中不适用，请问如何修改ernie的配置来做multi label任务？
通过打印出训练阶段的logits发现问题所在，是读入数据标签的时候，计算标签的one_hot时，索引错位导致的。
利用ernie做finetune任务，修改分类任务的loss为sigmoid_cross_entropy_with_logits，如下图所示
其中labels是one_hot形式
在训练过程中看到loss逐渐下降，但是预测时输出值不正常
可以看到，预测结果全部偏向于第一维
有个类似的问题，https://github.com/PaddlePaddle/Paddle/issues/11347，里面提到解决方式是修改label type from sparse_binary_vector to dense_vector，这种修改方法在ernie中不适用，请问如何修改ernie的配置来做multi label任务？