softmax layer的原理解釋

加入我們處理的是一個三分類問題，輸出向量爲[3,1,-3]，3代表類別1的分量；1代表類別2對應的分量；-3代表類別3對應的分量；經過圖中的softmax函數的作用後，將其轉化爲[0.88,0.12,0]，它的意義是：這個輸入樣本被分到類別1的概率是0.88，被分成類別2的概率是0.12，然而被分成類別3的概率幾乎爲零。softmax函數的公式： 請注意務必區分softmax與sigmoid()

>>阅读原文<<