softmax多分类回归模型

softmax回归模型为logistic回归模型在多分类问题上的推广。

假设我们有一个数组V，Vi是V中的第i个元素，那么这个元素的softmax值就是：

也就是说，是该元素的指数与所有元素指数和的比值。

由该公式我们可计算得到数组V中的所有元素值所对应的softmax值，且这些值相加正好等于1，我们可称为这些值为每个元素所对应的概率值，根据该概率值即可以实现分类，最大的概率值所对应的那个元素即是我们的分类结果。

具体可参考如下图：

上图是台湾李宏毅教授所讲的很著名的一天搞懂深度学习ppt的一页，该ppt将深度学习讲得非常细致且易于理解，这是下载链接。如果没有下载积分和C币的，可留言留下联系方式我发给你。

常见的cnn网络架构最后输出层为softmax层；如上图所示，假定该网络模型预测图片分类为3个类分别为1，2，3类；网络训练完之后，对于一张测试图像，我们将该测试图像扔进该训练好的模型里，最后输出为一个3维向量为[3,1,-3]，最后由softmax预测最后输出概率值为[0.88,0.12,0]；这时我们就判定该测试图像属于第一类。

参考：
https://blog.csdn.net/wangyangzhizhou/article/details/75088106
https://www.zhihu.com/question/23765351
https://blog.csdn.net/u014422406/article/details/52805924