卷积神经网络（一）：LeNet5的基本结构

最新推荐文章于 2025-06-12 14:52:44 发布
置顶 最新推荐文章于 2025-06-12 14:52:44 发布
阅读量9.6w 收藏 107
点赞数 19
CC 4.0 BY-SA版权
分类专栏： 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xuanyuansen/article/details/41800721
本文深入探讨卷积神经网络在图像处理中的应用，通过解析LeNet5的基本结构，包括卷积层、池化层的计算原理，以及在Python中实现和优化的步骤。详细介绍了卷积层的参数数量、连接数，以及S2到C3层的复杂连接方式，最后提及了F6层和输出层的激活函数。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在机器视觉，图像处理领域，卷积神经网络取得了巨大的成功。本文将参考UFLDL和DEEPLEARNING.NET的教程，结合自己的理解，梳理一下卷积神经网络的构成以及其BP算法的求解。虽然利用theano可以方便的实现LeNet5，但是不利于学习和理解卷积神经网络，所以最后会自己动手用python实现一个简单的LeNet5，并尝试利用python的PyCUDA库进行加速。

首先看LeNet5的结构，如下图所示（来自Yann LeCun的论文）。


对于卷积层，其计算公式为


其中K表示由L层到L+1层要产生的feature的数量，表示“卷积核”，表示偏置，也就是bias，令卷积核的大小为5*5，总共就有6*（5*5+1）=156个参数，对于卷积层C1，每个像素都与前一层的5*5个像素和1个bias有连接，所以总共有156*28*28=122304个连接（connection）。

对于LeNet5，S2这个pooling层是对C1中的2*2区域内的像素求和再加上一个偏置，然后将这个结果再做一次映射（sigmoid等函数），所以相当于对S1做了降维，此处共有6*2=12个参数。S2中的每个像素都与C1中的2*2个像素和1个偏置相连接，所以有6*5*14*14=588

最低0.47元/天 解锁文章

200万优质内容无限畅学
计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet
CSDN博客专家，系统架构师，有合作、疑惑请私信博主。
04-11 14万+
计算机视觉卷积神经网络（CNN）基础：从LeNet到ResNet，在计算机视觉领域，卷积神经网络（Convolutional Neural Network，CNN）已然成为推动众多任务发展的核心力量。从早期简单的图像识别，到如今复杂的目标检测、语义分割、图像生成等任务，CNN 都展现出了卓越的性能。CNN 的发展历程见证了一系列经典模型的诞生，其中 LeNet 作为开山之作，为 CNN 的发展奠定了基础，而 ResNet 则通过创新性的设计，突破了传统神经网络的限制，使得网络能够构建得更深、性能更优。
卷积神经网络的网络结构——以LeNet-5为例
热门推荐
strint的专栏
03-09 4万+
卷积神经网络是一种特殊的多层神经网络，像其它的神经网络一样，卷积神经网络也使用一种反向传播算法来进行训练，不同之处在于网络的结构。卷积神经网络的网络连接具有局部连接、参数共享的特点。局部连接是相对于普通神经网络的全连接而言的，是指这一层的某个节点只与上一层的部分节点相连。参数共享是指一层中多个节点的连接共享相同的一组参数。
5分钟搞懂CNN：AI视觉核心，图像识别速成指南！
最新发布
智码未来：AI与Java全栈的跨界对话
06-12 1437
CNN是AI视觉的核心武器！卷积层提取特征、池化层压缩信息、激活函数点亮非线性——三大组件揭开图像识别的魔法。从人脸解锁到无人驾驶，一文带你攻破原理，实战上手！
从LeNet-5看懂卷积神经网络结构
量子象限
07-12 1万+
LeNet-5出自论文Gradient-Based Learning Applied to Document Recognition，是一种用于手写体字符识别的非常高效的卷积神经网络。 论文下载 一、卷积神经网络（Convolutional Neural Network, CNN） 卷积神经网络能够很好的利用图像的结构信息。LeNet-5是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图...
卷积神经网络LeNet5结构
修炼之路
11-25 1万+
LeNet5可以说是最早的卷积神经网络了，它发表于1998年，论文原文Gradient-Based Learning Applied to Doucment Recognition作者是Yann Le Cun等。下面对LeNet5网络架构进行简单的说明，有兴趣的同学可以去参考原文，论文原文地址http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf。
卷积神经网络入门：LeNet5（手写体数字识别）详解
weixin_30830327的博客
10-16 1656
第一张图包括8层LeNet5卷积神经网络的结构图，以及其中最复杂的一层S2到C3的结构处理示意图。 第二张图及第三张图是用tensorflow重写LeNet5网络及其注释。 这是原始的LeNet5网络： import tensorflow as tf from tensorflow.examples.tutorials.mnist i...
卷积神经网络：LeNet-5
weixin_45873017的博客
12-14 1万+
2021SC@SDUSC LeNet-5卷积神经网络的整体框架： 特征映射：一幅图在经过卷积操作后得到结果称为特征图。 LeNet-5共有8层，包含输入层，每层都包含可训练参数；每个层有多个特征映射(，每个特征映射通过一种卷积核（或者叫滤波器）提取输入的一种特征，然后每个特征映射有多个神经元。C层代表的是卷积层，通过卷积操作，可以使原信号特征增强，并且降低噪音。 S层是一个降采样层，利用图像局部相关性的原理，对图像进行子抽样，可以减少数据处理量同时保留有用信息。 计算公式：输入图像的大小为nxn，卷积核的
深度学习基于卷积神经网络的手写数字识别系统设计：LeNet-5网络结构详解与MNIST数据集应用
05-20
内容概要：本文详细介绍了卷积神经网络（CNN）的基本原理及其在手写数字识别任务中的应用，重点讲解了卷积、池化、全连接层等关键组件的工作机制。文章通过LeNet-5网络结构为例，阐述了如何使用卷积核提取图像特征，...
掌握卷积神经网络基础：LeNet与参数调整
本篇教程着重介绍了LeNet（LeNet-5），一个早期广泛应用的卷积神经网络模型，它在手写数字识别等任务中取得了显著成果。在深入理解卷积神经网络时，我们首先要掌握二维卷积层，这是构建网络的基础。 **二维卷积层**...
使用谷歌TensorFlow2框架复现经典的卷积神经网络：LeNet、AlexNet、VGG系列、
09-05
Two-stage算法：先进行区域生成（Region Proposal），生成有可能包含待检物体的预选框（Region Proposal），再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-...
卷积神经网络的网络结构——LeNet5
小花生的博客
05-27 4202
《GradientBased Learning Applied to Document Recognition》 1989，LeCun et al，LeNet5，主要内容在5~9页。 图像处理都是小 patchs ，比如28*28或者36*36之类，考虑如下情形，对于一副1000*1000的图像，即，当隐层也有节点时，那么（第一层链接权值）的数量将达到级别，为了减少参数规模，加快训练速度，C...
LeNet-5结构的卷积神经网络-CNN.zip
04-17
超简明网课的CNN经典代码，实现了LeNet-5结构，相关博文链接可以参考如下：「https://blog.csdn.net/u013684446/article/details/105575942」。代码质量高，下载后直接运行即可
机器学习——深度学习之卷积神经网络（CNN）——LeNet卷积神经网络结构
python_AI_fans的博客
06-15 2952
图 LeNet卷积神经网络结构前接：《机器学习——深度学习之数据库和自编码器》 一、LeNet卷积神经网络结构 1、卷积神经的作用 由手工设计卷积核转换为自动学习卷积核 卷积公式有很多：如傅里叶变换、小波变换等 卷积核主要的作用就是将元素先乘再加（积分的本质就是加） 2、LeNet 二、关于卷积神经网络结构的一些术语定义 图 LeNet卷积神经网络结构1、特征图（Feature map） 原图像经过卷积核作用得到的图像称为特征图，如图 LeNet卷积神经网络结构所示 2、he
卷积神经网络（一）LeNet-5模型结构
Joke
06-25 1209
（Click!）各层参数详解 版本：Tensordlow2.1, import os os.environ["TF_CPP_MIN_LOG_LEVEL"] = '2' import tensorflow as tf from tensorflow.keras import datasets, Sequential, layers from tensorflow.keras.layers import Conv2D, MaxPool2D, Dense import matplotlib.pyplot as.
LeNet网络详解
Louie_0的博客
03-02 3520
1998年，LeCun用BP算法训练LeNet5网络，标志着CNN的真正面世。 LeNet-5是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图像，先经过两次卷积层到池化层，再经过全连接层，最后使用softmax分类作为输出层。 LeNet-5 这个网络虽然很小，但是它包含了深度学习的基本模块：卷积层，池化层，全连接层，是其他深度学习模型的基础。这里我们对LeNet-5进行深入分析。同时，通过实例分析，加深对与卷积层和池化层的理解。 LeNet-5共有7...
lenet5卷积神经网络_卷积神经网络之LeNet5
weixin_39605835的博客
11-23 1059
LeNet5简述LeNet-5由深度学习三巨头之一的Yan LeCun提出，他也被称为卷积神经网络之父。LeNet-5是一种用于手写体字符识别的非常高效的卷积神经网络，可以算是卷积神经网络的开山之作了。虽然LeNet-5这个网络非常小，但是它是一个非常完整的卷积神经网络，包含了卷积层、pooling层、全连接层。LeNet-5网络上图为LeNet-5的网络结构，除去输入层共有7层，每一层都包含可训...
卷积神经网络的应用实例-LeNet5网络结构
qq_34000894的博客
07-18 860
#encoding:utf-8 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data import time #获取mnist数据 mnist_data_set = input_data.read_data_sets('MNIST_data', one_hot=True) #声明输...
lenet-5结构
AP1005834的博客
05-13 1377
一、lenet-5 结构       lenet-5结构图如下所示，不包括输入，则共有7层     其各层可训练权值和偏置个数为： INPUT -> C1: 6个5*5大小模板及6个偏置，共有6*(5*5+1) =156个训练参数 C1 -> S2: 6个常数权值及6个偏置，共有6+6 = 12 个训练参数 S2 -> C3: 模板大小仍为5*5，C3所生成的16个特征图与S2的
卷积神经网络（CNN）开山之作——LeNet-5。卷积神经网络基本介绍。
ZZR2631574030的博客
11-17 1万+
LeNet-5诞生于上世纪90年代，是CNN的开山之作，最早的卷积神经网络之一，用于手写数字识别（图像分类任务），它的诞生极大地推动了深度学习领域的发展。LeNet在多年的研究和迭代后，Yann LeCun将完成的这项开拓性成果被命名为LeNet5，并发表在论文《Gradient-Based Learning Applied to Document Recognition》上，如今的AlexNet、ResNet等都是在其基础上发展而来的，在当年是一种用于手写体字符识别的非常高效的卷积神经网络。
评论 28
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值