LeNet-5及其TensorFlow实现

最新推荐文章于 2024-08-07 21:05:59 发布

数清风

最新推荐文章于 2024-08-07 21:05:59 发布

阅读量6.9k

点赞数 3

分类专栏：深度学习 Python 文章标签： gpu cnn LeNet MNIST

本文链接：https://blog.csdn.net/chai_zheng/article/details/79751020

版权

本文详细介绍了经典的LeNet-5卷积神经网络模型，该模型在1998年由LeCun提出，主要用于文档识别。在TensorFlow 1.3.0 rc1版本中，我们实现了这一模型，包括5层结构：两次卷积、两次最大池化和三个全连接层。实验结果显示模型运行良好。

摘要由CSDN通过智能技术生成

本篇主要介绍CNN开山之作，1998年LeCun的Gradient-Based Learning Applied to Document Recognition及其基于TensorFlow GPU 1.3.0 rc1版本的实现。
这里写图片描述
LeNet-5采用上图架构。共7层，分别为卷积——最大池化——卷积——最大池化——全连接*3。保留了LeNet-5中的大部分细节，未加入dropout，最后一层改用softmax。

代码部分：

# !/usr/bin/env python3
# coding=utf-8

"""
LeNet-5 Using TensorFlow

Author : Chai Zheng, Ph.D.@Zhejiang University, Hangzhou
Email  : zchaizju@gmail.com
Blog   : http://blog.csdn.net/chai_zheng/
Github : https://github.com/Chai-Zheng/
Date   : 2018.3.29
"""

import tensorflow.examples.tutorials.mnist.input_data as input_data
import tensorflow as tf

mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

sess = tf.InteractiveSession()

x = tf.placeholder(