【深度学习】经典的深度学习模型-01 开山之作：CNN卷积神经网络LeNet-5

【深度学习】经典的深度学习模型-01 开山之作：CNN卷积神经网络LeNet-5

Note: 草稿状态，持续更新中，如果有感兴趣，欢迎关注。。。

0. 论文信息

@article{lecun1998gradient,
title={Gradient-based learning applied to document recognition},
author={LeCun, Yann and Bottou, L{'e}on and Bengio, Yoshua and Haffner, Patrick},
journal={Proceedings of the IEEE},
volume={86},
number={11},
pages={2278–2324},
year={1998},
publisher={Ieee}
}

基于梯度的学习在文档识别中的应用

LeNet-5 是一个经典的卷积神经网络（CNN）架构，由 Yann LeCun 等人在 1998 年提出，主要用于手写数字识别任务，特别是在 MNIST 数据集上。

LeNet-5 的设计对后来的卷积神经网络研究产生了深远影响，该模型具有以下几个特点：

1. 卷积层：LeNet-5 包含多个卷积层，每个卷积层后面通常会跟一个池化层（Pooling Layer），用于提取图像特征并降低特征图的空间维度。

2. 池化层：在卷积层之后，LeNet-5 使用池化层来降低特征图的空间分辨率，减少计算量，并增加模型的抽象能力。

3. 全连接层：在卷积和池化层之后，LeNet-5 包含几个全连接层，用于学习特征之间的复杂关系。

4. 激活函数：LeNet-5 使用了 Sigmoid 激活函数，这是一种早期的非线性激活函数，用于引入非线性，使得网络可以学习复杂的模式。

5. Dropout：尽管原始的 LeNet-5 并没有使用 Dropout，但后来的研究者在改进模型时加入了 Dropout 技术，以减少过拟合。

6. 输出层：LeNet-5 的输出层通常使用 Softmax 激活函数，用于进行多分类任务，输出每个类别的概率。

虽然站在2024年看LeNet-5 的模型结构相对简单，但是时间回拨到1998年，彼时SVM这类算法为主的时代，LeNet-5的出现，不仅证明了卷积神经网络在图像识别任务中的有效性，而且为后续深度神经网络研究的发展带来重要启迪作用，使得我们有幸看到诸如 AlexNet、VGGNet、ResNet 等模型的不断推成出新。

2. 论文摘要

3. 研究背景

4. 算法模型

5. 实验效果

6. 代码实现

以MNIST手写字图像识别问题为例子，采用LeNet5模型进行分类，代码如下：

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print(f"Using device: {device}")


# Define the LeNet-5 model
class LeNet5(nn.Module):
    def __init__(self):
        super(LeNet5, self).__init__()
        self