softmax計算公式：

Softmax是機器學習中一個非常重要的工具，他可以兼容 logistics 算法、可以獨立作為機器學習的模型進行建模訓練、還可以作為深度 學習的激勵函數。

　　　　 softmax的作用簡單的說就計算一組數值中每個值的占比，公式一般性描述為：
設一共有個用數值表示的分類，其中表示分類的個數。那麽softmax

公式softmax的代碼實現：

import numpy as np
import
 
 math
def softmax(inMatrix):
    """
    softmax計算公式函數
    :param inMatrix: 矩陣數據
    :return:
    """
    m,n = np.shape(inMatrix)  #得到m,n(行，列)
    outMatrix = np.mat(np.zeros((m,n)))  #mat生成數組
    soft_sum = 0
    for idx in range(0,n):
        outMatrix[0,idx] = math.exp(inMatrix[0,idx])  #
 
求冪運算，取e為底的指數計算變成非負
        soft_sum +=outMatrix[0,idx]   #求和運算
    for idx in range(0,n):
        outMatrix[0,idx] = outMatrix[0,idx] /soft_sum #然後除以所有項之後進行歸一化
    return outMatrix


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

輸出結果如下：

[[0.05943317 0.16155612 0.05943317 0.16155612 0.05943317 0.05943317

使用python計算softmax函數