这次我们将使用Softmax来分类Cifar-10，过程其实很之前使用的过程差不多主要区别是在于损失函数的不同，而且Softmax分类器输出的结果是输入样本在不同类别上的概率值大小,Softmax分类器也叫多项

我们得到了梯度函数后可以观察一下函数，其实可以发现这个函数的含义是，当我们有一个分值向量$$f损失函数对这个分值向量求导的结果等于这个向量里每个类别对应的概率值，但除了那个正确类别的概率值它要再减去1，例如我们的概率向量为p=[0.2,0.3,0.5]，第二类为囸确的类别那么分支的梯度就为df =

根据上面的思想我们可以构建计算loss和dw的函数，首先我们先简单的使用循环的方法来计算

但是使用循环對计算的开销太大，我们使用向量化的思想来优化这个算法

然后我们来验证一下这两个算法的结果是否一样，和计算时间的差距

然后对於超参数的调整还是和SVM一样，使用交叉验证来得到最优的超参数

最后我们可以可视化一下分类模板

最终学习到的模板如下图所示，当圖片越和模板接近时就会被分到模板属于的那一类