立即学习:https://edu.csdn.net/course/play/26266/334242?utm_source=blogtoedu
LeNet模型介绍
LeNet网络是卷积神经网络的鼻祖，被誉为卷积神经网络的“Hello World”
CNN(卷积神经网络)
卷积层，池化层，全连接层
LeNet逐层分析
1.第一个卷积层
输入图像32x32x1
卷积核数量n=6
卷积核大小f=5
步长s=1
最终输出大小28x28x6
公式：(32-5)+1=28
2.第一个池化层
卷积核数量n=6
卷积核大小f=2
步长s=2
最终输出大小14x14x6
池化层维数减半28/2=14，可分为最大池化(卷积后范围格内的最大值)和平均池化(卷积后范围格内的平均值)
3.第二个卷积层
卷积核数量n=16
卷积核大小f=5
步长s=1
最终输出大小10x10x16
训练参数=权重+偏置单元
=（5x5x6x16）+16=2416
4.第二个池化层
卷积核数量n=16
卷积核大小f=2
步长s=2
最终输出大小5x5x16
10/2=5
5.全连接卷积层
6.全连接层
7.全连接层（输出层）
总结：