滥用n，看得一头雾水，滥用n，看得一头雾水
的确，第一版读的顺畅，内容过度也更自然。
关于3.4.7，在3.4.6中，因为概率向量是一个（0，1，0）的向量，因此发生y_j的概率P就是标签乘以预测值即y_i×y_hat，比如类别2，预测（0.1，0.2，0.7），那么准确预测的概率就是1×0.2，带入3.4.7的中间部分就可以得到信息熵公式
感觉这一小节的顺序有点凌乱，从3.4.7到3.4.8那一步转变很生涩。
通读下来，其实应当是先要介绍信息熵的概念，然后再来介绍 softmax 的损失函数，这样的顺序会更加让人读懂一些。当然，如果能顺带着讲一下 KL散度 的定义（其实信息熵那一小节已经简单介绍了这个概念），让后讲一下 softmax 和 logistic 损失函数的关系就更好了。
1.两边取对数，把“积乘”变成积分， abc取对数后变成 log (a+b+c)
2.最大似然估计，需要让值尽可能大，确定最优的x，两边都*-1后，变成需要让值尽可能的小，确定最优的x
one-hot 向量 所有概率总和为1， 不是0就是1，把通过softmax函数后预测值\hat_y为底数，指数为0的项 \hat_y^0 = 1 指数为1的项 \hat_y^1= \hat_y 所有指数项相乘 ，所有项相乘结果为y, 这是预测y概率分布向量， 取对数后， Log \hat_y ^ y 把真数提取出来
y Log \hat_y, （就如同 log 100 = 2 * log 10 = 2*1 = 2）
读完之后，再来看评论，发现有相似感受的读者。的确，这版的表达别扭！
就是求完导数之后去凑softmax（oj）就行，就是注意那个求和里只需要对exp（oj）那一个量进行求导，不要漏了
请问这里（也就是3.4.7式的第二个等于号）确实是定义的意思吗，书上定义的等号有些地方不写def真的让人难懂