深度学习（16）：深度卷积神经网络：实例探究

三个经典网络

LeNet-5

一个十分经典网络，处理任务是手写数字的识别。采用如下结构：

输入层：
32 * 32 * 1灰度图

卷积层（C1）：
6个 5 * 5 过滤器，步长为1，得到28 * 28 * 6的输出

池化层（S1）：（平均池化）
过滤器 2 * 2，步长为2， 输出14 * 14 * 6

卷积层（C2）：
16个 5 * 5 过滤器，步长为1，得到10 * 10 * 16的输出

池化层（S2）：（平均池化）
过滤器 2 * 2，步长为2， 输出5 * 5 * 16

全连接层（FC1）：
120神经元

全连接层（FC2）：
84神经元

输出层：
10节点（对应10数字）

由于年代久远，神经元个数较少，没有用到relu激活函数，输出层并没有采用softmax

AlexNet