学习笔记(02):轻松入门Tensorflow-LeNet模型介绍

立即学习:https://edu.csdn.net/course/play/26266/334242?utm_source=blogtoedu

LeNet模型介绍

LeNet网络是卷积神经网络的鼻祖，被誉为卷积神经网络的“Hello World”

CNN(卷积神经网络)

卷积层，池化层，全连接层

 

LeNet逐层分析

1.第一个卷积层

输入图像32x32x1

卷积核数量n=6

卷积核大小f=5

步长s=1

最终输出大小28x28x6

公式：(32-5)+1=28

2.第一个池化层

卷积核数量n=6

卷积核大小f=2

步长s=2

最终输出大小14x14x6

池化层维数减半28/2=14，可分为最大池化(卷积后范围格内的最大值)和平均池化(卷积后范围格内的平均值)

3.第二个卷积层

卷积核数量n=16

卷积核大小f=5

步长s=1

最终输出大小10x10x16

训练参数=权重+偏置单元

=（5x5x6x16）+16=2416

4.第二个池化层

卷积核数量n=16

卷积核大小f=2

步长s=2

最终输出大小5x5x16

10/2=5

5.全连接卷积层

6.全连接层

7.全连接层（输出层）

总结：