上QQ阅读APP看书，第一时间看更新
1.4.3 Python代码小练习：计算softmax函数
对于Python科学计算来说，最简单的想法就是可以将数学公式直接表达成程序语言，可以说Python满足了这个想法。本小节将使用Python实现和计算一个深度学习中最为常见的函数——softmax函数。至于这个函数的作用，现在不加以说明，笔者只是带领读者尝试实现其程序的编写。
softmax计算公式如下所示：
其中，Zi是长度为L序列中的一个节点。公式的含义实际上是对每个节点计算以e为底Zi为幂指数的值，之后除以所有计算节点之和进行归一化，从而得到一个介于[0,1]之间的值，代表节点某个类别的概率，或者称作似然（Likelihood）。
提示
softmax用以解决概率计算中概率结果大而占绝对优势的问题。例如，函数计算结果中有2个值a和b，且a>b，如果简单地以值的大小为单位衡量，那么在后续的使用过程中，a永远被选用，而b使用由于数值较小而不会被选择，但是有时候也需要使用数值小的b，那么softmax就可以解决这个问题。
softmax按照概率选择a和b，由于a的概率值大于b，在计算时a经常会被取得，而b由于概率较小，取得的可能性也较小，但是也有概率被取得。
公式softmax的代码如下所示。
【程序1-2】
可以看到，当传入一个数列后，分别计算每个数值所对应的指数函数值，之后将其相加后计算每个数值在数值和中的概率。
结果如下所示。
