机器学习：CNN经典论文之LeNet-5

LeNet-5

论文：《Gradient-Based Learning Applied to Document Recognition》

---

网络结构：

---

各层详解：

• INPUT：32×32

  • 属性：输入层
  • 功能：归一化为32×32的尺寸大小

• C1：28×28×6

  • 输入：32×32
  • 属性：卷积层。
  • 卷积核：5×5@6
  • 步长：1
  • 可训练参数：(5*5+1)*6=156，★每个滤波器有5*5个weight参数和1个bias参数
  • 连接数：156*28*28=122304

• S2：14×14×6

  • 输入：28×28×6
  • 属性：池化层、下采样层
  • 大小：2×2@6
  • 步长：2
  • 方式：4个输入相加，乘以weight参数再加上1个bias参数
  • 可训练参数：(1+1)*6=12
  • 连接数：5*14*14*6=5880，★每个输入都与weight参数相关且还有1个bias参数

• C3：10×10×16

  • 输入：14×14×6
  • 属性：卷积层。
  • 卷积核：5×5@16
  • 步长：1
  • 可训练参数：6*(3*5*5+1)+6