几种常见的CNN网络结构对比

1.LeNet

C1层为卷积层，kernel size = 5 * 5，步长为1，无填充，生成6个feature map

S2层为降采样层，kernel size为2*2，长和宽的步长都为2,无填充。

C3层为卷积层，kernel size为5*5，步长为1，生成16个feature map。

S4层为降采样层,kernel size为2*2,长和宽的步长均为2，无填充

C5为卷积层，kernel size为5*5，步长为1，无填充。全连接生成120个feature map

F6层为全连接层

output层

应用：

LeNet5诞生于1994年，是最早的卷积神经网络之一。1998年，Yann LeCun，Leon Bottou，Yoshua Bengio和Patrick Haffner在发表的论文中回顾了应用于手写字符识别的各种方法，并用标准手写数字识别基准任务对这些模型进行了比较，结果显示卷积神经网络的表现超过了其他所有模型。

现在在研究中已经很少将LeNet使用在实际应用上，对卷积神经网络的设计往往在某个或多个方向上进行优化，如包含更少的参数（以减轻计算代价）、更快的训练速度、更少的训练数据要求等。

2.AlexNet