MultiLabelSoftMarginLoss针对multi-label one-versus-all（多分类，且每个样本只能属于一个类）的情形。
loss的计算公式如下：
其中，x是模型预测的标签，x的shape是（N,C），N表示batch size，C是分类数；y是真实标签，shape也是（N,C），
。
的值域是(0,
）；
的值域是(1,）；
的值域是(0,1)；
的值域是(-,0)，函数曲线如图1所示：
为了看得更清楚一点，再画一下[-10,10]范围内的曲线，如图2：
当y[i]=1得时候，x[i]越大==》
越大==》loss越小（因为
前面有个负号）；
的函数曲线如图3所示：
[-10,10]范围内的曲线，如图4所示：
当y[i]=0得时候，x[i]越小==》越大==》loss越小（因为前面有个负号）；