使用python计算softmax函数

softmax函数用来解决概率计算中概率结果大占绝对优势的问题。比如：函数计算结果中有两个值a和b，假如a>b，如果以大小进行取值的话，那么a将永远被选用，而b则永远不会被选用。但是实际中，小概率事件有时也是会被选用的，只是可能性比较小罢了，softmax函数则解决了这个问题。

import numpy as np
import math

# 编写一个计算softmax的函数
def softmax(inmatrix):
    m, n = np.shape(inmatrix)
    outmatrix = np.mat(np.zeros((m, n)))
    soft_sum = 0

    for idx in range(n):
        outmatrix[0, idx] = math.exp(inmatrix[0, idx])
        soft_sum += outmatrix[0, idx]

    for idx in range(n):
        outmatrix[0, idx] = outmatrix[0, idx] / soft_sum

    return outmatrix

a = np.array([[1, 2, 1, 2, 1, 1, 3]])
softmax(a)