tensorflow.keras实现LeNet5模型

 LeNet网络结构：

 INPUT：输入图片大小32*32

C1层：卷积核大小：6个5×5，feature_map大小：28×28，通道数6

S2（subsampling下采样）：池化层大小：2×2 步长为2，得到 的feature_map大小:14×14 通道数：6

C3层：卷积核大小：16个5×5×6，feature_map大小：10×10，通道数16

S4（subsampling下采样）：池化层大小：2×2 步长为2，得到 的feature_map大小:5×5 通道数:16

C5层：卷积核大小：120个5×5×16，feature_map大小：1×1，通道数120

F6全连接层：神经元数84

OUTPUT层：神经元数10

 代码实现：

from tensorflow.keras import Sequential,layers 

model=Sequential()
model.add(layers.Conv2D(6,input_shape=(32,32,1),kernel_size=(5,5),padding='valid'))
model.add(layers.AveragePooling2D(pool_size=(2,2),strides=(2,2)))
model.add(layers.Conv2D(16,kernel_size=(5,5),padding='valid'))
model.add(layers.AveragePooling2D(pool_size=(2,2),strides=(2,2)))
model.add(layers.Conv2D(120,kernel_size=(5,5),padding='valid'))
model.add(layers.Flatten())
model.add(layers.Dense(units=84))
model.add(layers.Dense(units=10,activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy',optimizer='adam')
model.summary()

LeNet5打印概要：