Softmax(axis=1)

Softmax(axis=1)是一种激活函数，常用于分类问题中的多分类任务。在多分类任务中，模型需要将输入数据映射为概率分布，以预测每个类别的概率。

Softmax(axis=1)的作用是将每个类别的得分（或者称之为logits）转换为概率分布，其中axis=1表示在每一行上进行softmax操作。具体而言，对于矩阵中的每一行，Softmax(axis=1)会将该行的所有元素进行指数函数的运算，并将结果除以该行所有元素的指数函数的和，从而得到该行对应的概率分布。

例如，假设我们有一个3x3的矩阵X，其中每一行表示一个样本的得分，那么Softmax(axis=1)的计算过程如下：

X = [[1.0, 2.0, 3.0],
     [2.0, 1.0, 0.5],
     [0.5, 2.0, 1.5]]

exp_X = np.exp(X)
sum_exp_X = np.sum(exp_X, axis=1, keepdims=True)
softmax_X = exp_X / sum_exp_X

softmax_X = [[0.09003057, 0.24472847, 0.66524096],
             [0.4967462, 0.33122438, 0.17202943],
             [0.18850868, 0.51656257, 0.29492875]]

可以看到，Softmax(axis=1)将每一行的得分转换为了对应的概率分布，从而方便我们进行后续的分类任务。