如果你翻看任意一个分类模型的代码，会发现一个规律：

logits = model(x)          # 中间全是线性层 + ReLU / GeLU
probs  = softmax(logits)   # ← Softmax 只在这里出现！

Softmax 几乎永远是模型的“最后一道工序”

。 这是巧合吗？不是——这是由它的

一、Softmax 的使命：输出概率，不是提取特征

Softmax 的核心作用，是把一组实数（logits）转换成

二、Softmax 有“副作用”：全局耦合 + 梯度干扰

，高效又解耦——更适合中间层。

三、唯一的常见例外：注意力机制

你可能会说：“Transformer 里不是中间就有 Softmax 吗？”

attn_weights = softmax(QK^T / √d)  # ← 中间层 Softmax
output = attn_weights @ V

Softmax 为什么通常只在最后一层？

它不是不能放中间，而是——中间根本不需要它。

人工智能

算法

Softmax只在需要归一化权重或概率输出的地方出现，如分类任务最后一层或注意力机制权重计算。它把实数转换为概率分布，支持交叉熵损失计算，但全局依赖特性不适合中间层特征提取。ReLU等激活函数更适合中间层，而注意力机制中的Softmax用于归一化加权平均权重。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

Softmax 为什么通常只在最后一层？

Softmax 为什么通常只在最后一层？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐