机器学习 卷积神经网络 Lenet5，VC实践，训练数据集MNIST，测试集识别率98.94%

最新推荐文章于 2022-07-30 15:55:28 发布
最新推荐文章于 2022-07-30 15:55:28 发布
阅读量327 收藏
点赞数
文章标签： 机器学习 cnn 深度学习 神经网络 c++
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/ggw007/article/details/125553538
版权

全连接层、卷积层和池化层的正向及反向计算参考如下两篇文章：

https://www.zybuluo.com/hanbingtao/note/476663

https://www.zybuluo.com/hanbingtao/note/485480

softmax和交叉熵相关推导参考如下文章：

https://blog.csdn.net/weixin_49374896/article/details/123153552

Lenet5各层的详细参数配置参考：

1. 论文《Gradient-Based Learning Applied to Document Recognition》

2.https://cloud.tencent.com/developer/article/1931721

VC程序示例下载：

https://download.csdn.net/download/ggw007/85837600

其他一些推导过程：

整体架构：

损失函数：

激活函数和误差反向传播：

 

 池化层：

 

 

ggw007
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
LeNet5卷积神经网络训练参数（精度0.985）
06-06
LeNet5神经网络模型在手写数字识别中的识别率很高，通过训练得到0.985精度的参数，可以用于训练更高精度的初始参数。其中卷积核选择表(O：true， X: false)： { O, X, X, X, O, O, O, X, X, O, O, O, O, X, O, O, O, O, X, X, X, O, O, O, X, X, O, O, O, O, X, O, O, O, O, X, X, X, O, O, O, X, X, O, X, O, O, O, X, O, O, O, X, X, O, O, O, O, X, X, O, X, O, O, X, X, O, O, O, X, X, O, O, O, O, X, O, O, X, O, X, X, X, O, O, O, X, X, O, O, O, O, X, O, O, O };
使用LeNet-5识别手写数字MNIST
qq_44243059的博客
04-12 654
使用LeNet-5识别手写数字MNIST
【python】利用两层神经网络（网络必须用类）来训练mnist数据（要求准确率90%以上）
月下花弄影
04-15 1708
要求： 用python自建一个class类，不能使用其他高级库函数，如pytorch，tensorflow，含有两个隐含层，隐含层数量可以指定。 准确率达到90以上。 画出学习曲线：损失曲线核准确率曲线。 本程序在jupyter下完成。共三个代码： 程序可直接下载（包含数据）下载地址 1.主代码（自建类函数） import numpy as np import matplotlib.pyplo...
mnist数据集在LeNet5卷积神经网络 学习总结
Alvin_FZW的博客
07-27 3640
LeNet-5模型 LeNet-5模型总共有7层，下图为LeNet-5模型架构：  第一层：卷积层 输入为：32×32×1，由于过滤器尺寸为5×5，深度为6，步长为1，不使用全0填充。所以输出为：（32-5）÷1 +1=28，即28×28×6。本层有5×5×1×6+6=156个参数，由于下一层有28×28×6=4704个节点，每个节点和5×5=25个当前层节点相连，所以本层卷...
重学深度学习系列---LeNet5实现手写数字识别(TensorFlow2-mnist数据集)
Aiden_yan的博客
02-18 7090
重学深度学习系列—LeNet5实现手写数字识别(TensorFlow2-mnist数据集) 文章目录重学深度学习系列---LeNet5实现手写数字识别(TensorFlow2-mnist数据集)我的环境：一、LeNet5简单介绍二、LeNet-5代码实现三、训练四、对图片进行预测五、训练过程截图：参考资料 我的环境： TensorFlow2.3.0 、Pycharm、Windows10 代码已发布在码云上：https://gitee.com/jiangyi-yan/re-learning-and-deep-
卷积神经网络 Lenet5 深度学习，训练数据集MNIST，C++实现 VC实现 C++源代码 VC源代码
06-30
Lenet5是最早且最著名的卷积神经网络之一，由Yann LeCun等人在1998年提出，主要用于手写数字识别，尤其是在MNIST数据集上的应用。 MNIST数据集是一个广泛使用的手写数字识别基准，包含60,000个训练样本和10,000个...
mnist数据集_卷积神经网络.zip_MNIST 数据集_MNIST识别_fieldabc_卷积神经_神经网络
07-14
"MNIST 数据集_MNIST识别_fieldabc_卷积神经_神经网络"这部分进一步强调了我们关注的重点是MNIST数据集的识别任务，其中"fieldabc"可能是特定项目或研究领域的一个代号，而"卷积神经"和"神经网络"则表明我们将探讨...
基于MATLAB的CNN卷积神经网络识别MNIST数据集的手写数字，识别率达到98以上，matlab2021a测试
05-03
单层CNN网络提取手写体数字图像的特征，并采用双层全连接网络完成手写体数字的多分类任务。实验数据集选取无偏性较好的MNIST数据集，实现了误差返向传播的过程，经过3轮训练，最终得到预测准确率为98.33%。
Python实现卷积神经网络LeNet-5和AlexNet训练与识别.zip
09-01
机器学习库：torch 1.6.0 torchvision 0.7.0 辅助：CUDA 10.2，用于进行 GPU 加速 使用 torch 的 nn.Module 类的派生，可以编写 LeNet5 的结构如下：其中调用 nn.Conv2d()函数进行卷积层设置，用 nn.Linear()函数...
linux cpp 手写算法从零实现CNN经典网络LeNet-5, 最后用MNIST手写数字识别数据集来训练和测试.zip
最新发布
12-28
linux cpp 手写算法从零实现CNN经典网络LeNet-5, 最后用MNIST手写数字识别数据集来训练和测试一下LeNet-5模型。 linux cpp 手写算法从零实现CNN经典网络LeNet-5, 最后用MNIST手写数字识别数据集来训练和测试一下...
C语言实现神经网络手写数字识别_LeNet-5
07-02
C语言实现神经网络手写数字识别_LeNet-5
Pytorch 基于经典模型LeNet-5训练MNIST数据集手写数字
weixin_44901043的博客
04-26 3581
LeNet-5官网链接 卷积神经网络是一种特殊的多层神经网络。与几乎所有其他神经网络一样，它们使用反向传播算法版本进行训练。它们的不同之处在于架构。 卷积神经网络旨在通过最少的预处理直接从像素图像中识别视觉模式。 他们可以识别具有极大可变性的模式（例如手写字符），并且对扭曲和简单的几何变换具有鲁棒性。 ...
CV经典模型——LeNet-5
weixin_43860783的博客
10-31 276
本篇文章主要以代码的形式展现，需要注意的地方皆在代码中以注释的方式进行说明，如有疑问欢迎在评论区留言，大家一起进步！ LeNet-5是上世纪末计算机视觉领域的重要产物，其诞生为后来形形色色CNN的产生提供了可能，因此理解其结构精髓是十分重要的，若能自己动手进行实现则更有助于我们的理解，首先上一张LeNet-5的结构图： 结构分析： 从上图中可以很清晰的看出，LeNet-5是一个“2+3”结构（忽略Subsampling层），由两层卷积与三层全连接构成。 注意当时的LeNet使用的sampling方法只是简
基于minist数据集复现CNN通用模型（Lenet-5 & ResNet）
qq_51316618的博客
04-16 2094
基于minist数据集复现CNN通用模型（Lenet-5 & ResNet）
经典网络架构学习-LeNet
一璐有你的专栏
07-14 1672
前言 说起深度学习目标检测算法，就不得不提 LeNet- 5 网络。LeNet-5由LeCun等人提出于1998年提出，是一种用于手写体字符识别的非常高效的卷积神经网络。出自论文《Gradient-Based Learning Applied to Document Recognition》 网络结构 输入 → 卷积 → 池化 → 卷积 → 池化 → 卷积（全连接） → 全连接 → 输出 整个 LeNet-5 网络总共包括7层（不含输入层），分别是：C1、S2、C3、S4、C5、F6、OUTPUT。注意：
MNIST手写数字识别 —— Lenet-5首个商用级别卷积神经网络
m0_54776464的博客
07-30 985
lenet5
一文读懂经典卷积网络模型——LeNet-5模型（附代码详解、MNIST数据集）
热门推荐
中科院AI算法工程师的博客
12-02 1万+
LeNet-5模型是Yann LeCun教授与1998年在论文Gradient-based learning applied to document recognition中提出的，它是第一个成功应用于数字识别问题的卷积神经网络。在MNIST数据集上，LeNet-5模型可以达到大约99.2%的正确率。 LeNet-5模型总共...
使用Lenet5对mnist数据集进行训练和测试
weixin_46458805的博客
04-20 1302
1.先训练数据 import tensorflow as tf from tensorflow.keras import Sequential, layers, optimizers # 加载数据集 mnist = tf.keras.datasets.mnist (trainImage, trainLabel),(testImage, testLabel) = mnist.load_data() for i in [trainImage,trainLabel,testImage,testLabel]:
寻找利用神经网络识别手写数据集MNIST程序的最佳参数（learning_rate、nodes、epoch）
仲子_real
10-16 1924
本文对于识别MNIST数据集的BP神经网络算法程序进行了多项参数测试，利用基本的控制变量法，试图寻找针对MNIST数据集识别的学习率、隐藏层节点数以及训练循环次数的最佳值。
深度学习基础：LeNet-5卷积神经网络解析
"动手学DL|Task5 LeNet+卷积神经网络进阶+循环神经网络进阶" 本文主要探讨了卷积神经网络（CNN）的基础及其在深度学习中的应用，特别是通过LeNet-5这一经典的CNN架构进行讲解。LeNet是由Yann LeCun等人在1998年提出...
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
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