图像分类1-LeNet模型结构及其Pytorch实现

一、LeNet 概况

• 1990年 Yann LeCun 提出, 在1998 年改进 LeNet-5
• 目标是识别图像中的手写数字, 商用: 自动取款机
• Paper: GradientBased Learning Applied to Document Recognition

MNIST 数据集

• 50000个训练数据
• 10000个测试数据
• 图像大小 28×28、10 类

二、LeNet 网络结构

三、LeNet 的 Pytorch 实现

### 搭建LeNet-5模型
import torch.nn as nn
from torchsummary import summary
class MyLeNet(nn.Module):
    # 初始化网络结构
    def __init__(self):
        super(MyLeNet, self).__init__()
        self.layers = nn.Sequential(
            # 卷积+BN+激活+池化
            nn.Conv2d(in_channels=1, out_channels=6, kernel_size=5, stride=1, padding=0),
            nn.BatchNorm2d(6),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2, padding=0),

            # 卷积+BN+激活+池化
            nn.Conv2d(in_channels=6, out_channels=16, kernel_size=5, stride=1, padding=0),
            nn.BatchNorm2d(16),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2, stride=2, padding=0),

            # 全连接层
            nn.Flatten(), # 将多维的输入一维化，常用在卷积层到全连接层的过渡
            nn.Linear(in_features=16*4*4, out_features=84),
            nn.ReLU(),
            nn.Linear(in_features=84, out_features=10)
        )

    # 前向传播
    def forward(self, x):
        return self.layers(x)

model = MyLeNet()
x = summary(model, input_size=(1, 28, 28))

四、LeNet 总结

LeNet他是将CNN应用于图像分类的开山之作，而且他是一个商用的系统