卷积神经网络LeNet和深度卷积神经网络AlexNet的区别与实现

目录

LeNet

LeNet的实现

AlexNet——更大更深的LeNet

AlexNet和LeNet的区别：

AlexNet的实现

---

LeNet

总体来看，LeNet（LeNet-5）由两个部分组成：

• 卷积编码器：由两个卷积层组成;

• 全连接层密集块：由三个全连接层组成。

  

每个卷积层使用5×55×5卷积核和一个sigmoid激活函数。这些层将输入映射到多个二维特征输出，通常同时增加通道的数量。第一卷积层有6个输出通道，而第二个卷积层有16个输出通道。每个2×22×2池操作（步骤2）通过空间下采样将维数减少4倍。

LeNet的稠密块有三个全连接层，分别有120、84和10个输出。因为我们在执行分类任务，所以输出层的10维对应于最后输出结果的数量。