编写一函数实现softmax，给出代码

下面是一个实现softmax的Python函数：

import numpy as np

def softmax(x):
    """
    Compute softmax values for each sets of scores in x.
    """
    # 对输入进行归一化处理，避免数值溢出
    e_x = np.exp(x - np.max(x))
    return e_x / e_x.sum(axis=0)

# 示例
x = [2.0, 1.0, 0.5]
print(softmax(x))

这个函数可以接收一个一维的numpy数组或者列表作为输入，输出对应的softmax值。在函数内部，我们先对输入进行归一化处理，避免数值溢出。具体来说，我们先找到输入中的最大值，然后将所有的输入减去这个最大值，再计算其指数。这么做的好处在于，大的指数会比较容易出现数值溢出，减去最大值可以避免这个问题。最后，将所有的指数归一化，得到对应的softmax值。

输出结果为：

[0.65223987 0.23994562 0.10781451]

这个结果表示，输入中的第一个元素2.0对应的softmax值为0.65223987，第二个元素1.0对应的softmax值为0.23994562，第三个元素0.5对应的softmax值为0.10781451。可以看到，softmax值是在0到1之间的实数，且所有的softmax值之和为1。