Sieć neuronowa splotowa kończy się w pełni połączoną warstwą 10 wyjść reprezentujących 10 klas zwierząt. Która funkcja powinna zostać zastosowana do tej warstwy, aby model wyprowadzał rozkład prawdopodobieństwa dla 10 klas?

Funkcja Softmax jest odpowiednia, ponieważ przekształca wektor dowolnych wartości rzeczywistych w rozkład prawdopodobieństwa. W przypadku 10 klas zwierząt, Softmax przypisze prawdopodobieństwo przynależności do każdej z 10 klas, sumujące się do 1. Dropout to technika regularyzacji, która zapobiega nadmiernemu dopasowaniu, a nie funkcja aktywacji wyjściowej. Smooth L1 loss to funkcja straty używana do regresji, a nie do klasyfikacji wieloklasowej. Rectified Linear Unit (ReLU) to funkcja aktywacji często stosowana w ukrytych warstwach sieci neuronowych, ale nie jest odpowiednia do generowania rozkładu prawdopodobieństwa dla warstwy wyjściowej w problemie klasyfikacji wieloklasowej.