Lenet介绍-使用Tensorflow实现

Lenet介绍-使用Tensorflow实现

模型介绍

LeNet5诞生于1994年，由Yann LeCun提出，充分考虑图像的相关性。当时结构的特点如下：
1）每个卷积层包含三个部分：卷积（Conv）、池化（ave-pooling）、非线性激活函数（sigmoid）
2）MLP作为最终的分类器
3）层与层之间稀疏连接减少计算复杂度

网络结构介绍：

Input Layer：1*32*32图像
Conv1 Layer：包含6个卷积核，kernal size：5*5，parameters:(5*5+1)*6=156个
Subsampling Layer 1：average pooling，size：2*2
Activation Function：sigmoid
Conv3 Layer：包含16个卷积核，kernal size：5*5 ->16个Feature Map
Subsampling Layer 1：average pooling，size：2*2
Conv5 Layer：包含120个卷积核，kernal size：5*5
Fully Connected Layer：Activation Function：sigmoid
Output Layer：Gaussian connection

网络模型图-TensorBoard

结构图实现源码地址

https://github.com/XunNie/Classical_models/blob/master/Lenet-5.py

参考文献

https://blog.csdn.net/xjy104165/article/details/78218057
https://blog.csdn.net/roguesir/article/details/73770448