技术揭秘 —— softmax 是 max 的一个解析推广

1. 尴尬的 max 函数

函数 max 很尴尬，无法优雅地用一个公式表达出来：
$$max(x_1,x_2,...,x_n)=x_1,x_2,...,x_n中最大者\text{\hspace{1em}(1)}$$
当然，可以递归定义为：
$$\begin{gathered} max(x_1)=x_1 \\ max(x_1,x_2,...,x_n)=max(max(x_1,x_2,...,x_{n?1}),x_n)\text{\hspace{1em}(2)} \end{gathered}$$
然而，这没卵用。在基于梯度的学习训练中，我们需要一个光滑的函数，当然一个光滑的解析函数更好。max 函数的最大问题在于它既不光滑，也不单调。

函数
$$y=max(x_1,x_2)\text{\hspace{1em}(3)}$$

当 $x_1<x_2$ 时，无论 $x_1$ 如何变化，函数结果都不会变化，此时，训练算法无法计算梯度下降的方向。于是，softmax 函数应运而生。

2. softmax 函数

关于 softmax 的意图何定义，我已经在大作 "从 one-hot 到 softmax，再到交叉熵，技术一脉相承"说过了，不再赘述。这里只给出定义：
$$x_k=\frac{e^{x_i}}{{\sum }_{i=1}^n{e}^{x_i}}\text{\hspace{1em}(4)}$$

3. 进一步探讨 softmax

为什么（4）式采用 e 做底数？事实上，可以用任何正实数代替 e,
$$x_k=\frac{{\alpha }^{x_i}}{{\sum }_{i=1}^n{\alpha }^{x_i}},(\alpha >0)\text{\hspace{1em}(5)}$$

如果 $x_i$ 互不相等，令 $\alpha \to \infty$，我们会得到一个极端结果，
$$\begin{gathered} \underset{\alpha \to +\infty }{\lim }\frac{{\alpha }^{x_i}}{{\sum }_{i=1}^n{\alpha }^{x_i}}=1,(x_i=max(x_1,...,x_n)) \\ \underset{\alpha \to +\infty }{\lim }\frac{{\alpha }^{x_i}}{{\sum }_{i=1}^n{\alpha }^{x_i}}=0,(x_i<max(x_1,...,x_n))\text{\hspace{1em}(6)} \end{gathered}$$
softmax 函数实际上是一个最大值成员的甄别器，最大值成员对应的输出的结果无限接近1，其他成员的输出结果无限接近0。

4. max 真相很惊人

我定义一个新的函数，smoothmax，令
$$smoothmax(x_1,...,x_n)=\frac{{\sum }_{i=1}^n{x}_i{\alpha }^{x_i}}{{\sum }_{i=1}^n{\alpha }^{x_i}}\text{\hspace{1em}(7)}$$

事实上，有个很惊人的结论，
$$\underset{\alpha \to +\infty }{\lim }smoothmax(x_1,x_2,...,x_n)=max(x_1,x_2,...,x_n)\text{\hspace{1em}(8)}$$

也就是说，max 是一个解析函数簇的极限值。也就是说， softmax也好，smoothmax 也好，与 max 在骨子里是一样的，都表现出对最强者的尊重。

换句话讲，对于向量 $\mathbf{x}$，
$$smoothmax(\mathbf{x},e)=softmax(\mathbf{x})?\mathbf{x}\text{\hspace{1em}(8)}$$
$$\underset{\alpha \to +\infty }{\lim }smoothmax(\mathbf{x},\alpha )=max(\mathbf{x})\text{\hspace{1em}(9)}$$