本文介绍了如何使用Tensorflow 2.0构建LeNet-5卷积神经网络，针对MNIST数据集进行手写数字识别。详细阐述了LeNet-5的历史、MNIST数据集的特点，以及网络结构和参数计算。通过调整网络以适应28x28图像，最终模型训练得到约98%的识别精度。
目录
一、LeNet-5简介
在 1990 年代，Yann LeCun 等人提出了用于手写数字和机器打印字符识别的神经网络，被命名为 LeNet-5 (Lecun, Bottou, Bengio, & Haffner, 1998)。LeNet-5 的提出，使得卷积神经网络在当时能够成功被商用，广泛应用在邮政编码、支票号码识别等任务中。
二、MNIST数据集简介
为了方便业界统一测试和评估算法， (Lecun, Bottou, Bengio, & Haffner, 1998)发布了手写数字图片数据集，命名为 MNIST，它包含了 0~9 共 10 种数字的手写图片，每种数字一共有 7000 张图片，采集自不同书写风格的真实手写图片，一共 70000 张图片。其中60000张图片作为训练集，用来训练模型。10000张图片作为测试集，用来训练或者预测。训练集和测试集共同组成了整个 MNIST 数据集。
MINIST数据集中的每张图片，大小为28 × \times × 28，同时只保留灰度信息（即单通道）。
三、LeNet-5网络结构
LeNet网络逐层结构：
图片输入ÿ
订阅专栏 解锁全文
978
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
