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。