吴恩达深度学习笔记(56)-训练一个 Softmax 分类器

训练一个 Softmax 分类器（Training a Softmax classifier）

上一个笔记中我们学习了Softmax层和Softmax激活函数，在这个笔记中，你将更深入地了解Softmax分类，并学习如何训练一个使用了Softmax层的模型。

回忆一下我们之前举的的例子，输出层计算出的z^([l])如下，

我们有四个分类C=4，z^([l])可以是4×1维向量，我们计算了临时变量t

对元素进行幂运算，最后如果你的输出层的激活函数g^([L]) ()是Softmax激活函数，那么输出就会是这样的：

简单来说就是用临时变量t将它归一化，使总和为1，于是这就变成了a^([L])，你注意到向量z中，最大的元素是5，而最大的概率也就是第一种概率。

Softmax这个名称的来源是与所谓hardmax对比，hardmax会把向量z变成这个向量

，ha