标签：Softmax

手动推导多分类神经网络（交叉熵 + Softmax）的反向传播过程，理解 δ（loss 对 logits 的偏导）在各层间传递的规律，以及单样本与批量数据的公式差异

理解多分类网络的输出层改造（N 类 N 个神经元）、Softmax 的设计动机与公式推导、多分类交叉熵损失函数，以及二分类的两种实现方式对比

矩阵计算、激活函数、softmax多分类与反向传播