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