linear层和softmax层区别

linear层和softmax层是神经网络中不同种类的层，分别用于不同的任务。

linear层主要用于将输入数据通过权值矩阵的线性变换得到输出特征，常用于卷积神经网络中的卷积或全连接层，其输出值是未经归一化的原始特征值。

softmax层是一种激活函数，常用于分类任务中。通过对linear层的输出进行归一化，将其转化为概率分布，使得输出值属于一个指定类别的概率最大。softmax层输出的是各类别的概率分布，一般通过极大似然估计来求解分类问题。