本文关于深度学习的softmax函数做了详细的介绍，并给出深度学习中损失函数的对比链接。
一、Softmax详解
二、Logistic函数
Logistic函数又称逻辑斯谛函数，也就是经常说的sigmoid函数，它的几何形状也就是一条sigmoid曲线。
logistic函数的公式形式如下：
logistic函数的图像如下：
是一条值区间为[0, 1]的曲线
在传统的机器学习和统计学习中Logistic作为一种对数线性模型被广泛的应用于分类和回归场景中。此外Logistic函数也是神经网络中最常用的激活函数，即Sigmod函数。
三、Softmax和Logistic的关系
（１）Logistic具体针对的是二分类问题，而softmax针对的是多分类问题
（２）从概率角度来看，softmax建模使用的分布是多项式分布，而logistic则基于伯努利分布
（3）多个logistic回归通过叠加也同样可以实现多分类的效果，softmax回归进行的多分类，类与类之间是互斥的，即一个输入只能被归为一类，多个logistic回归进行多分类，输出的类别并不是互斥的，即"苹果"这个词语既属于"水果"类也属于"3C"类别。