动手学深度学习V2.0(Pytorch)——23. LeNet（mnist）

已于 2023-05-08 15:07:26 修改
阅读量510 收藏
点赞数
分类专栏： 动手学深度学习pytorch 文章标签： pytorch 深度学习 机器学习
于 2022-01-15 00:10:17 首次发布
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/Castlehe/article/details/121845440
版权
本文介绍了经典的LeNet卷积神经网络，用于手写数字识别，详细解析了其结构，包括卷积层、池化层和全连接层。通过PyTorch展示了LeNet的代码实现，并探讨了LeNet在现代深度学习中的应用。在Q&A环节，讨论了卷积和池化层在时序数据上的适用性，通道数变化对信息的影响，以及CNN与MLP的选择策略，ReLU激活函数的优化问题，以及如何理解网络学习的特征。
摘要由CSDN通过智能技术生成

文章目录

LeNet是1989年，由Lecun等人发明的，论文地址点击这里，有46页之长。。

Lecun大神的主页：http://yann.lecun.com/

P1 经典卷积神经网络LeNet

https://www.bilibili.com/video/BV1t44y1r7ct
在这里插入图片描述
LeNet是Lecun于1998年提出的

在这里插入图片描述
最初是用来解决手写数字识别的

AT&T贝尔实验室的研究员Yann LeCun。美国的付账方式很多都是check(账单,支票&#

了解本专栏 订阅专栏 解锁全文 超级会员免费看
吨吨不打野
关注
专栏目录
订阅专栏
动手学深度学习V2.0(Pytorch)——24.深度卷积神经网络 AlexNet
Castlehe的博客
01-17 387
P1 深度卷积神经网络 AlexNet https://www.bilibili.com/video/BV1h54y1L7oe/ P2 代码 P3 Q&A
【深度学习】-线性回归
SUOLONG1的博客
05-16 562
学习来源：李沐老师 线性回归 线性模型 单层神经网络 神经网络源于神经科学 衡量预测质量 损失函数 训练数据 参数学习 显示解 线性回归是对n维输入的加权，外加偏差 使用平方损失来衡量预测值和真实值的差异 线性回归有显示解 线性回归可以看做是单层神经网络 基础优化方法 梯度下降 选择学习率 小批量随机梯度下降 选择批量大小 梯度下降通过不断沿着反梯度方向更新参数求解 小批量随机梯度下降是深度学习默认的求解算法 两个重要的超参数是批量大小和学习率 线性回归的从零开始实现 %matplot
动手学深度学习PyTorch版-LeNet
hongyesuifeng的博客
02-17 200
LeNet LeNet模型 #import import sys sys.path.append("/home/kesci/input") import d2lzh1981 as d2l import torch import torch.nn as nn import torch.optim as optim import time #net class Flatten(torch.nn.M...
动手学深度学习v2-LeNet
z577554980的博客
08-29 381
1.输入为32*32的图片，放到一个5*5的卷积层中然后该卷积层的输出通道是6，高宽为28*28.该层输出可以被认为是feature map（特征图） 2.接下来是个2*2的pooling层，高宽被压缩到14*14，但输出通道依旧是6. 3.然后接下来的卷积层，卷积层的核依旧是5*5的，使得特征图变成了10*10的。这里输出通道数是16. 4.再接一个pooling层，输出通道数不变，特征图大小变为5*5. 5.再把数据拉成一个向量，输入到全连接层上，图上的Gauss现在已经不用了。可以认为后接..
玩转深度学习——pytorch实现Lenet网络
weixin_47166032的博客
04-28 4918
玩转深度学习——pytorch实现Lenet网络什么是LeNet网络LeNet网络pytorch实现改进LeNet网络增加卷积层尝试修改一些超参数（开始炼丹） 什么是LeNet网络 LeNet，它是最早发布的卷积神经网络之一，因其在计算机视觉任务中的高效性能而受到广泛关注。 这个模型是由AT&T贝尔实验室的研究员Yann LeCun在1989年提出的（并以其命名），目的是识别图像 [LeCun et al., 1998]中的手写数字。 当时，Yann LeCun发表了第一篇通过反向传播成功训练卷积神
动手学深度学习-（李沐）PyTorch版本
weixin_64338372的博客
04-04 8552
《动手学深度学习》PyTorch版本和TendorFlow版本（内有所有代码和PDF版下载地址）
【PyTorch深度学习项目实战100例目录】项目详解 + 数据集 + 完整源码
热门推荐
CSDN 精品推荐
09-30 8万+
大家好，我是阿光。本专栏整理了《深度学习100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。正在更新中~ ✨。
个人学习笔记5-2：动手学深度学习pytorch版-李沐
最新发布
2301_79619145的博客
09-07 1285
#深度学习# #人工智能# #神经网络# 主要记录学习笔记，学习书目为李沐老师的《动手学习深度学习》 重预备知识开始记录。 开源书籍地址：https://zh-v2.d2l.ai/chapter_preface/index.htmll 李沐老师B站视频：https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497
PyTorch深度学习实战（2）——PyTorch快速入门
shangjg3的博客
08-05 1091
在forward函数中不仅可以使用Tensor支持的任何函数，还可以使用if、for、print、log等Python语法，写法和标准的Python写法一致。PyTorch的简洁设计使得它易于入门，在深入介绍PyTorch之前，本文先介绍一些PyTorch的基础知识，以便读者能够对PyTorch有一个大致的了解，并能够用PyTorch搭建一个简单的神经网络。中最重要的类，它可以看作是一个神经网络的封装，包含神经网络各层的定义以及前向传播（forward）方法，通过。如果需要共享内存，那么可以使用。
机器学习里的Hello World——TensorFlow 2.0在MNIST数据集上的尝试
笔墨留年。
12-18 836
首先，TensorFlow 2.0已经正式发布很久啦，TensorFlow 2.0真香～ 我刚开始用TensorFlow的时候，还是1.4版本。有一说一，我觉得1.x版本的TensorFlow真心不怎么好用，虽然很灵活，但实现模型太过繁琐，接口很乱，还有很多冗余接口。 后来刚接触到Keras，便觉得这是一股清流，Keras封装的接口非常简洁，你完全可以使用Keras以极快的速度完成模型的构建。但它...
相关-21. 卷积的示意图（普通卷积，多通道卷积等）及Featur Map可视化
Castlehe的博客
12-14 5667
0. 普通卷积动图 图源自：Types of Convolution(Translation) 图自：Intuitively Understanding Convolutions for Deep Learning 图自：github-vdumoulin/conv_arithmetic 这里还有很多其他类似的图，上图是padding取1（kernel-2p=1），步幅取偶数（取了2）的情况 图自：Convolutional layer 图自：CNN Image Classification
相关-37. 释放GPU显存
Castlehe的博客
03-01 4773
文章目录1. 起因2. 常规解决 1. 起因 RuntimeError: CUDA out of memory. Tried to allocate 144.00 MiB (GPU 0; 2.00 GiB total capacity; 1.29 GiB already allocated; 79.00 MiB free; 1.30 GiB reserved in total by PyTorch) 我的机器显存只有4G 如果启动训练后由于代码错误，但是数据和模型已经加载到GPU中。 此时报错后，并不会
动手学深度学习V2.0(Pytorch)——19.卷积
Castlehe的博客
12-09 2356
P1 从全连接层到卷积 https://www.bilibili.com/video/BV1L64y1m7Nh 假设有一个还不错的手机，拍出来一张图片（比如iphone11的后置摄像头，就是双摄：1200 万像素广角及超广角，来自iphone11技术规格）。那么一张照片至少12M（Million 百万），如果是RGB图的话就是36M？？？ 如果使用一个有100个神经元的单隐藏层的MLP，考虑一下，y=wx+by=wx+by=wx+b，这里x=36M∗1x=36M*1x=36M∗1，则w=100∗36M=
动手学深度学习V2.0(Pytorch)——20. 卷积层里的填充和步幅
Castlehe的博客
12-13 2336
P1 填充和步幅 https://www.bilibili.com/video/BV1Th411U7UN
相关-28. pytorch中register_parameter()和parameter()
Castlehe的博客
02-06 2101
文章目录1. Parameter()2. register_parameter()3. 二者的区别 1. Parameter() 先看一下官方文档的定义和说明，点击这里 torch.nn.parameter.Parameter(data=None, requires_grad=True) """ Parameter定义的变量，其实也是一种Tensor，但是其会被作为模型的参数（特殊的张量） Parameters是Tensor的子类，当和Module类一起使用时，会有一个特殊的属性 即：当被指派为模型的
相关-22. Opencv-Python图像的几何变换（包括缩放/平移/旋转/仿射变换/透视变化）
Castlehe的博客
01-11 1999
参考： opencv python 图像缩放/图像平移/图像旋转/仿射变换/透视变换 Python实现图像平移、旋转、水平镜像等 小强学Python+OpenCV之－1.4.1平移、旋转、缩放、翻转－之实践 OpenCV Image Translation matplotlib文档：Affine transform of an image(图像仿射变换) matplotlib文档：matplotlib.transforms Image Translation using OpenCV | Python o
相关-26. pytorch中nn.AdaptiveAvgPool2d() 与 nn.AvgPool2d()函数的区别
Castlehe的博客
01-21 1923
1. 文档和示例 在实现NiN的时候，实现GAP使用了nn.AdaptiveAvgPool2d()函数，这里总结一下这两个函数的使用。 1.1 nn.AdaptiveAvgPool2d() nn.AdaptiveAvgPool2d()的帮助文档 nn.AdaptiveAvgPool2d(output_size: Union[int, Tuple[int, ...]]) -> None Applies a 2D adaptive average pooling over an input signal
动手学深度学习V2.0(Pytorch)——40.实战 Kaggle 比赛：狗的品种识别（ImageNet Dogs）
Castlehe的博客
03-07 1886
文章目录P1 代码P3 Q&A P1 代码 视频链接：https://www.bilibili.com/video/BV1j5411T7wx 教材文档：https://zh-v2.d2l.ai/chapter_computer-vision/kaggle-dog.html 代码slides：http://courses.d2l.ai/zh-v2/assets/notebooks/chapter_computer-vision/kaggle-dog.slides.html P3 Q&A htt
动手学深度学习——PyTorch版
"《动手学深度学习》是Aston Zhang、Zachary C. Lipton、Mu Li和Alexander J. Smola合作编写的深度学习教程，特别关注PyTorch框架的应用。本书覆盖了深度学习的基础知识，包括数据操作、预处理、线性代数、微积分、...
评论
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

打赏作者

吨吨不打野

解决了问题，觉得还行就给点

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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