动手学深度学习：LeNet卷积神经网络的构建代码逐行解读

 一、LeNet卷积神经网络的架构：

        在之前的Fashion-MNIST模型中，我们将数据集中的灰度图像28*28转化为一个个长度为784维的向量，然后通过全连接层对其进行处理。而现在，我们已经掌握了卷积层的处理方法，对于一个极大的图像不需要将极长的向量用于学习，使用卷积层替代全连接层可以让模型更加简洁、所需要的参数更少。 总体来看，LeNet-5卷积神经网络由以下两个部分组成，包括卷积编码器和全连接层密集块。在卷积编码器中包含两个卷积块，每个卷积块包含一个卷积层，一个Sigmoid激活函数和一个平均池化层。第一卷积层具有6个采样通道，而第二卷积层具有16个采样通道。