LeNet-5 是一个7层的神经网络，包括3个卷积层、2个池化层和2个全连接层。卷积层C1、C3和全连接层F6、F7具有大量训练参数，而池化层P2、P4则用于减少计算量。网络结构详细介绍了各层的输入输出尺寸、滤波器数量和参数数量。
LeNet-5 共有 7 层，输入层不计入层数，每层都有一定的训练参数，其中三个卷积层的训练参数较多，每层都有多个滤波器，也叫特征图，每个滤波器都对上一层的输出提取不同的像素特征。
输入-卷积-池化-卷积-池化-卷积（全连接）-全连接-全连接（输出）
各层的结构和参数如下：
C1层是个卷积层，其输入输出结构如下：
输入： 32 x 32 x 1 滤波器大小： 5 x 5 x 1 滤波器个数：6
输出： 28 x 28 x 6
参数个数： 5 x 5 x 1 x 6 + 6 = 156
P2层是个池化层，其输入输出结构如下：
最低0.47元/天 解锁文章
扫一扫
6685
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
