用全连接+softmax对图片的feature进行分类

Softmax 将logits（多类分类神经网络的最后一个线性层的数字输出）转换为概率，方法是获取每个输出的指数，然后通过这些指数的总和对每个数字进行归一化，因此整个输出向量加起来为 1-所有概率加起来应该为 1。交叉熵损失通常是这种多类分类问题的损失函数。Softmax 经常附加到图像分类网络的最后一层，例如 ImageNet 竞赛中使用的 CNN（例如 VGG16）中的那些。

Softmax 函数在 CNN 架构中的位置。从neurohive cnn 增强的图像。如上所示，Softmax 的输入是紧接在其前面的全连接层的输出，它输出整个神经网络的最终输出。该输出是所有标签类候选的概率分布。来源 VGG16 — 用于分类和检测的卷积网络 https://neurohive.io/en/popular-networks/vgg16/