softmax常用来进行多分类，假如有一个4x1向量=[5，2，-1，3]，softmax的计算过程如下所示
输入向量和中间向量t
softmax输出向量，结果的所有元素和为1
下式中是标签，是输出预测值。假设=[0，1，0，0]，=[0.3，0.4，0.1，0.2]
单个训练样本损失函数(，) = —
根据上面的例子，在2时，式子值为0，=2时，=1，综上L（，）=，损失函数通过学习变小，则变大，又softmax输出的所有概率和为1，所以理想状态下会趋近于1
下式的，是softmax需要学习的权重和偏移。
训练集的损失函数( ，，... )= (，)
整个训练集损失就是把训练算法对所有训练样本的预测都加起来，再除以样本数。