【深度学习基础知识 - 30】softmax的概念、作用以及存在的问题

softmax是深度学习任务中常用于计算最终输出类别的函数。

1. softmax概念

• softmax和我们普通意义上的max函数不同，每一个元素都有一个概率，而不是其中一个元素为1，其余为0。它的含义是对于输入向量，有多大的概率去选择元素1、元素2、元素3等，主要的目的是使得概率计算过程可导。

2. softmax计算公式

3. softmax可能遇到的问题

• 因为softmax函数中存在指数，所以可能会出现上溢和下溢问题，导致最终结果错误但是不会报错，因此使用softmax函数时候一定要考虑该问题，否则后续出问题了是难以定位的。
• 上溢就是说当softmax的输入值很大时，由于是指数函数，会导致输出过大，从而导致向上溢出。
• 下溢与之类似，当指数函数接收一个很小的负数作为输入时候，可能会导致输出为0，在后续的使用中可能会出现除0错误，得到NAN结果。
• 解决方法就是利用softmax的冗余性，让他们全部减去一个值a，a的选取是a=max(x)。
  

4. argmax

• 当我们通过softmax取得每