文章围绕Softmax展开，首先阐述了引入Softmax的原因，即初级神经网络局限于二元分类，而Softmax可实现多分类并计算各分类概率；接着介绍其正向传播，包括输出层神经元设置、通过相关运算得出各分类概率及保证概率和为1的原理；然后讲述反向传播，涉及样本标签定义、损失函数变化以及具体的偏导计算；最后说明了Softmax的适用场景，指出分类互斥时适用，若分类存在交集则可考虑用多个二分类器解决