二元交叉熵是分类交叉熵的一个特例，只有 2 个类。所以理论上它并没有什么区别。

如果$y_k$是真正的标签并且$\hat{y}_k$是类的预测标签$k$（都是one-hot编码，即$\sum_k y_k =1 \land \sum_k \hat{y_k} =1 \land y_k,\hat{y_k} \in \{0,1\}$) 的多类别交叉熵$K$类别是

$$-\sum_{k=1}^{K}y_k \log(\hat{y}_k)$$

等于二元交叉熵$K=2$：

$$-\sum_{k=1}^{K}y_k \log(\hat{y}_k) = -y \log(\hat{y})- (1-y) \log(1-\hat{y})$$

以防万一有任何实现差异，例如速度方面，我仍然会使用二进制交叉熵来解决二进制分类问题，而不是使用多分类问题$K=2$.