卷积神经网络层数不包括输入层,故LeNet总共7层,即C1层卷积层,S2层池化层,C3层卷积层,S4层池化层,C5层全连接层,F6层全连接层,G7输出层。
(1)C1层卷积层:
输入大小:32*32
卷积核大小:5*5
卷积核数量(深度):6
padding填充:0
stride步长:1
输出大小:28*28 #(32-5+2*0)/1 + 1
神经元数量:28*28*6
可训练参数:(5*5+1)*6 #滑动窗口大小是5*5个权重,外加一个偏置。
连接数:28*28*6*(5*5+1) #因为下一层的节点矩阵有 28*28*6=4704 个节点,每个节点和 5*5=25 个当前层节点相连。
(2)S2层池化层:
输入大小:28*28
采样方式: 2*2区域的4个值相加,乘以一个可训练参数,再加上一个偏置参数,结果通过Sigmoid非线性化
卷积核大小:2*2
卷积核数量:6
输出大小:14*14
神经元数量:14*14*6