Softmax函数

softmax函数一般用作神经网络输出层的传递函数，作用是分类（二元分类可以使用logistic函数，多元可以使用softmax函数）：

输出总和为1是softmax函数的一个重要性质，可以把softmax函数的输出y解释为“概率”。
python代码为：

 def softmax(a):
	c=np.max(a)
	exp_a=np.exp(a-c) #溢出对策
	sum_exp_a=np.sum(exp_a)
	y=exp_a/sum_exp_a
	
return y

由于即便使用softmax函数，输出值最大的神经元的位置也不会变，所以常常只在机器学习的“训练”阶段使用，“推理”阶段一般会省略输出层的softmax函数。