LeNet-5网络结构详解

本文详细介绍了LeNet-5的网络结构,包括3个主要模块:两个卷积层和一个全连接层。卷积层采用5X5的卷积核和sigmoid激活函数,全连接层则用于分类。LeNet是卷积神经网络的先驱,其主要贡献在于引入了卷积、激活函数、池化和全连接等关键组件。此外,还提供了使用PyTorch实现LeNet的示例。
摘要由CSDN通过智能技术生成

一.LetNet结构

 

LeNet模块主要有3个模块组成,前2个是卷积模块,后1个是全连接模块,卷积模块中只要模块是卷积层与池化层。

卷积层中都使用5X5的卷积核,并使用sigmoid的激活函数,第一层卷积输出通道为6,第二层卷积 输出通道是16,在每一层卷积中的池化层选择最大池化层,最大池化层选取2X2的窗口,并且步长为2,由于池化窗口与步伐相同,所以不重叠,C5中输出为120*1*1。

全连接层F6中,输入向量维度:[1,120]权重参数的维度:[120,84]得到一个输出维度[1.86]的一维向量,最后经过output层输出维度[1,10],10为输出的类别个数。

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值