softmax
softmaxは、主にディープラーニングの多クラス分類問題において、モデルの出力を確率として解釈できるように変換するために使用されます。この関数は、入力された数値（ロジット）の相対的な大きさを維持したまま、すべての出力の合計がちょうど１になるように正規化します。これにより、どのクラスに属する可能性が最も高いかを明確に判断することが可能になります。
シグモイド関数との違いsoftmaxは、sigmoid関数を多クラスに拡張したものと考えることができます。sigmoid関数が二値分類（正か否か）に特化して０から１の値を返すのに対し、softmaxは３つ以上の選択肢がある場合に、それぞれのクラスへの割り当て確率を算出します。そのため、単一のラベルを予測する多クラス分類タスクでは、softmaxが標準的に採用されます。
実務上の注意点
計算上の注意として、入力値が非常に大きい場合に指数関数がオーバーフローを起こす可能性があります。これを防ぐため、実装レベルでは入力ベクトルから最大値を差し引いてから計算を行う数値的安定化の手法が一般的に用いられます。また、損失関数としてcross-entropy（交差エントロピー）と組み合わせて使用されることが多く、この組み合わせによって効率的な学習が行われます。
意味
生のスコアのベクトルを、各値が０から１の間であり、かつ全値の合計が１となる確率分布に変換する数学関数であること
The final layer of the neural network uses a softmax to determine the probability of each class.
ニューラルネットワークの最終層では、各クラスの確率を決定するためにソフトマックス関数が使用される。
一般的に機械学習の出力層において、ソフトマックス関数に関連する、またはそれを利用している状態
The model employs a softmax activation function to handle multi-class classification.
そのモデルは、多クラス分類を処理するためにソフトマックス活性化関数を採用している。