softmax layer的原理解释

加入我们处理的是一个三分类问题，输出向量为[3,1,-3]，3代表类别1的分量；1代表类别2对应的分量；-3代表类别3对应的分量；经过图中的softmax函数的作用后，将其转化为[0.88,0.12,0]，它的意义是：这个输入样本被分到类别1的概率是0.88，被分成类别2的概率是0.12，然而被分成类别3的概率几乎为零。softmax函数的公式： 请注意务必区分softmax与sigmoid()

>>阅读原文<<