一、ArgMax

把各个输出元都送到ArgMax层后，ArgMax会简单地将最大值设为1，其余值设为0。

但是这将会导致的问题是：无法通过反向传播来优化权重和偏差。 

 插入0之后，整个导数为0，梯度下降并不能朝着最优参数求解。

二、SoftMax

特点：

1. SoftMax函数保留了原始输出值的原始顺序或排名
2. 所有输出值都在0和1之间。
3. 所有输出值之和为1。→ 因此SoftMax输出值可以被解释为预测概率（不准确的）。

相比之下， SoftMax函数有一个可以用来反向传播的导数。

因此带有多个输出的神经网络，总是使用SoftMax进行训练，然后使用ArgMax来对新观察进行分类（它的输出更易于理解）。

三、交叉熵

（一）原理

 交叉熵用来确定神经网络对于数据的拟合程度。

（二）特点

 （三）为什么Softmax使用交叉熵而不是MSE（残差平方和）？ 

1. 概率分布的特性 ：Softmax输出的是一个概率分布（所有输出值的和为1），而交叉熵是专门为衡量概率分布差异设计的。MSE更适合衡量数值差异，而不是概率分布差异。

2. 梯度特性 ：步长是取决于这些函数的导数，交叉熵的的导数变化更大，所以神经网络做出糟糕预测时，交叉熵会帮助我们向更好的预测迈出较大的步伐。