softmax从名字上看就是软最大，其做法其实很简单：
前提：最后输出向量长度为N，与要区分的类别个数一致
1 第一步，取向量的最大值，将每个值减去最大值，这样就会将所有的数都变成非正数
2 求softmax:
3 经过第二步就会将向量变成全部小于1，大于0，累加为1的向量，这样就比较符合我们输出每个类别的概率的判断：在那个类别下的值最大，就判别为哪一类
4 有了类别输出概率，在训练的时候还需要求loss，根据loss去更新梯度，优化参数，类别向量长度也为N，求loss的公式：loss=−∑kyklog(pk)
5 在实际计算的时候，比第四步要简单的多，直接取对应类别下的概率输出，取负对数，就得到了loss，即只管对应类别下的概率，将其进行优化，因为概率和为1，对应类别下的概率值变大，其他值自然变小：
loss -= log(std::max(prob_data[i * dim + label_value * inner_num_ + j],
Dtype(FLT_MIN)));
这样取prob_data的值是因为在loss的公式中，只需要关注k=y^(i)的那一类即可
dim：批大小个数
label_value：标签
inner_num_：标签个数
FLT_MIN的值：1.17549435E-38F
这个值的自然对数是：-87.3365，取负号变成87.3365
这个值是在训练的时候经常会出现的一个值，出现这个值是因为，求得的值比系统能够表示的float最小值还小，一般就是0了，即求得的概率值为0，
而前面已经说过了。经过softmax后，值都在0-1之间，观察以e为底的指数函数的曲线的话，你会发现，当取值趋向于无穷小时，其值才趋近于0：
因此问题就出现在前面的features值溢出，即超过float能够表示的范围成为inf，inf在和其他数的运算中会将其他数也变成inf，最后在取inf和FLT_MIN较大值后做log运算后就变成了传说中的87.3365
softmax输入的feature由两部分计算得到：一部分是上一层的输入数据，另部分是各层权重参数，针对性的可以尝试下面的方法进行解决:
1 学习率太大，尝试降低学习率
2 增大批处理试试
3 有时未加归一化时，也会导致loss为这个值，尝试着在最后面的fc层添加批处理层试试
4 数据标签未从0开始，将数据标签改成从0开始，并将SoftmaxWithLoss层的前一层的fc层的输出个数改成类别个数，如果类别个数不对，也有可能出现这个问题
5 偏置初始化值太大，最好初始化为0，或者是权重初始化值太大，尝试降低权重初始化方差
6 在solver 中加clip_gradients设置，也许能够解决这个问题
7 还有一个可能的原因就是：当你的批大小不大，而图像中混有一些灰度图，注意，虽然有些图是3通道，但是各个通过值相等，也是灰度图，在这种情况下，有些网络结构就会出现这个值，这个值的出现与批大小，网络结构，灰度图，这个三都有关系，如果是这种情况，将灰度图进行排除