神经网络中的激活单元可以是多维度的向量吗？

不能是多维度的向量。
输入的features是x多维向量，一个代表sample数，一个代表features数，输入的每个单元都是标量实数，得到的激活单元也是标量实数。只是为了使用np中cpu或者gpu加速计算，才都变成向量的。一个向量就表示一层隐藏层上面的所有的激活单元。

import torch
import numpy as np

criterion = torch.nn.CrossEntropyLoss()
y = torch.LongTensor([1, 0, 0])
y_pred = torch.Tensor([[0.2, 0.1, -0.1],
                  [3, 8, 1],
                  [0.3, 0.6, 0.9]])
loss = criterion(y_pred, y)
print(loss.item())

例子中，y_pred表示有3个sample，每个sample有3个激活单元。
y中3维向量，每一个dimension表示一个样本的分类结果，three dimension表示three sample的分类结果。