前面已经说了，全连接层的作用是对图像进行分类，那么全连接层的输出应当是每一类物体的概率。但是根据我们对全连接层计算规则的了解，它其实输出的是全一类物体的“显著”程度，也就是如果如果图像具有某一类物体的特征越强烈，则该类对应的节点的值将越大。为了将一个代表显著程度的数字，转化成一个代表概率（全部分类的概率之和为1）的数字，需要将全连接层的结果进行一次归一化的函数运算。

一个好的执行此功能的函数应当能够将数值越显著（数值越大）分类变成一个越大的概率值。在这一步，许多人会使用softmax函数。

上面就是softmax函数的表达式，其中xi是第i个分类的数值（也就是前一层的全连接层的输出结果），n是分类的数量，e是自然常数。y是函数计算出来的概率值，它在0~1之间。

借用一个图可以表达这个函数基本的意思。

经过softmax函数的计算结果，所有分类的概率都是一个非负数，其值在0~1之间，而且它们的和刚好等于1。

如果某一个分类的概率非常高，比如分类为猫的概率>0.8，那么认为图像检测到的是一张猫的照片。