LeNet5 pytorch实现

LeNet5

LeNet5 pytorch实现_第1张图片

网络采用LeNet5结构,数据集为MNIST。输入为32x32的单通道图像。网络共分为7层。

网络结构

C1层-卷积层

核大小:5x5
核数目:6
步长:1
输出特征图大小:6x28x28
激活函数采用sigmoid

S2层-池化层

采用平均池化
核大小:2x2
步长:2
输出特征图大小:6x14x14

C3层-卷积层

核大小:5x5
核数目:16
步长:1
输出特征图大小:16x10x10
激活函数采用sigmoid

S4层-池化层

采用平均池化
核大小:2x2
步长:2
输出特征图大小:16x5x5

F5-全连接层

输入:400维
输出:120维

F6-全连接层

输入:120维
输出:84维

F7-全连接层

输入:84维
输出:10维


代码部分

LeNet5.py定义了网络结构
train.py训练模型,生成onnx文件。可以通过Neutron查看网络结构。

代码见github

你可能感兴趣的:(机器学习,pytorch,深度学习,python)