它可以将 tensor 内的元素归一(有点像 norm)化为一个概率分布向量，即值域为（0，1），各概率之和为1。通常用在最后一层，用于多分类问题的输出(logits)，通常和交叉熵损失函数一起使用
比如 LLM 中，最后 transformer 的输出是 [B, S, H] ，然后通过 outputlayer 后输出是 [B, S, V]，此时通过 softmax 就可以拿到概率分布了
soft 指：不像 hard 那样只留一个最大值，而是把大家的值都算出来
max 指凸显最大值，抑制远低于最大值的其他量
公示如下：
它的曲线如下，可以看到上述提到的 llm 里 softmax 的输入 logits 值域里是可以包含负数的
也可以尝试不用指数函数，直接算，会发现用指数后能把差距大的数值距离拉大。
指数函数求导方便，就是它本身。而它的特点是 x 轴上的变化，能让 y 轴显著变化。它的缺点是容易溢出
所以它的输入纬度不变，输出纬度也不变，torch
只是里面数值的值域变了.nn.Softmax(dim=None)