Sigmoid与Softmax的区别

	Sigmoid	Softmax
适用场景	多标签分类问题（多个正确答案，如一张图片属于猫类也属于动物类）	单标签分类（也称：多类分类）问题（只有一个正确答案，如一个数字只能是1或2或…）【多标签分类问题也可以】
输出	输出值累和不为1，设置一个阈值，超过即为该类。	输出值累和为1（满足概率的性质），可以选取概率最大的作为预测结果.【也可以设置阈值或选择最大概率的几个实现多标签分类问题】
二分类	"二分类"任务最后一层全连接层的神经元个数为1。符合两点分布：只有是目标和不是目标之分，实际上只存在一类目标类，另外一个是背景类。分类成目标类别的概率P【输出值】，而不分类到该类别的概率是(1 - P)【不是输出值，而是计算得到】。设置一个阈值判断是否属于目标类。	"二分类"任务最后一层全连接层的神经元个数是2。多项分布退化为二项分布：有A类和B类之分。

参考：
Softmax函数和Sigmoid函数的区别与联系
如何用softmax和sigmoid来做多分类和多标签分类