榕树贷款分类任务中有两个类别。比如前面感知机识别香蕉还是苹果，一般会训练一个分类器，输入一幅图像，输出该图像是苹果的概率为p，对p进行四舍五入，输出结果为0或者1，这就是经典的二分类问题。
多分类问题：
榕树贷款 和二分类任务基本相似，最后的输出有多个标签（>=2），需要建立一个分类器可以识别多种水果。
榕树贷款在二分类问题中，我们可以用max函数 ，因为只有两个标签，非黑即白。但是在多分类问题中，没办法判断，因为有多个标签。所以榕树贷款要使用Softmax函数。
Softmax函数
Softmax函数把输入映射为0~1之间的实数，并且榕树贷款通过归一化保证了这些数字总和为1，是一种激活函数。
这样多分类任务就可以求出概率。
Softmax层常常和交叉熵损失函数一起结合使用。
榕树贷款可以看出2.0的权重最高，得到的值权重也最高，最终的和为1：
PyTorch封装的Softmax()函数
dim参数：
dim为0时，对所有数据进行softmax计算
dim为1时，对某一个维度的列进行softmax计算
dim为-1 或者2 时，对某一个维度的行进行softmax计算
