softmaxLayer的python代码和测试用例

softmaxLayer是深度学习中常用的一种激活函数，主要用于多分类问题。以下是softmaxLayer的Python代码：

import numpy as np

class SoftmaxLayer:
    def __init__(self):
        self.output = None

    def forward(self, X):
        exp_scores = np.exp(X - np.max(X, axis=1, keepdims=True))
        self.output = exp_scores / np.sum(exp_scores, axis=1, keepdims=True)
        return self.output

    def backward(self, y):
        return self.output - y

其中，forward函数实现了softmax的前向计算，backward函数实现了softmax的反向传播。

下面是一个测试用例，用于测试softmaxLayer的正确性：

import unittest

class TestSoftmaxLayer(unittest.TestCase):
    def test_forward(self):
        layer = SoftmaxLayer()
        X = np.array([[1, 2, 3], [4, 5, 6]])
        expected_output = np.array([[0.09003057, 0.24472847, 0.66524096], [0.09003057, 0.24472847, 0.66524096]])
        self.assertTrue(np.allclose(layer.forward(X), expected_output))

    def test_backward(self):
        layer = SoftmaxLayer()
        X = np.array([[1, 2, 3], [4, 5, 6]])
        y = np.array([[0, 1, 0], [1, 0, 0]])
        expected_gradient = np.array([[ 0.09003057, -0.75527153,  0.66524096], [-0.90996943,  0.24472847,  0.66524096]])
        self.assertTrue(np.allclose(layer.backward(y), expected_gradient))

if __name__ == '__main__':
    unittest.main()

该测试用例首先测试了softmaxLayer的前向计算是否正确，然后测试了反向传播是否正确。如果所有的测试通过，则说明softmaxLayer的实现是正确的。