基于LeNet5的交通标志分类任务

LeNet5是一种经典的卷积神经网络模型，最初由Yann LeCun等人提出，用于手写数字识别。它是深度学习领域的重要里程碑之一，对于图像分类任务具有很好的效果。本文将介绍如何使用LeNet5模型来进行交通标志分类任务，并提供相应的源代码。

1. 数据集准备
   首先，我们需要准备一个交通标志分类的数据集。可以使用公开的数据集，如German Traffic Sign Recognition Benchmark（GTSRB）数据集。该数据集包含了50,000个训练样本和12,630个测试样本，涵盖了43个不同类型的交通标志。

2. 数据预处理
   在进行模型训练之前，我们需要对数据进行预处理。预处理的步骤包括图像的缩放、归一化和标签的独热编码。

import numpy as np
from PIL import Image
from sklearn.preprocessing import LabelBinarizer

def