在torch中用于多标签分类的confusion matrix的替代方案

我有一个卷积网络，可以输出多个标签。也就是说，每个图像可以被标记为0至10个标签。输出是一个大小为10的张量，包含1s（表示该索引处有一个标签）和-1s（表示该索引处没有标签）。目标也以相同的格式给出。所以：

{1, 1, 1, -1, 1, 1, 1, 1, 1, 1}

表示标签1-3和5-10。多标签输出不能与torch optim包的混淆矩阵一起使用。有什么好的替代方案来评估预测准确度吗？

理想情况下，我想知道如何准确地预测每个标签，例如假阳性、真阳性等。一个想法是制作10个单独的混淆矩阵，每一个都将数据馈送给一个索引。但是有没有更好的解决方案呢？

欢迎任何建议。

更新：上述方法运行良好，但是在有许多标签时很繁琐。我只是想知道是否有更好的方法。