经典网络模型介绍系列——LeNet-5

从今天开始，带大家从LeNet5开始学习经典的网络模型。

一、LeNet-5

LeNet-5是LeNet系列的最终稳定版，它被美国银行用于手写数字识别，该网络有以下特点：

• 所有卷积核大小均为5*5，步长为1；
• 所有池化方法为平均池化；
• 所有激活函数采用Sigmoid

1.输入层：输入图像的尺寸统一归一化为32*32.

2.C1层：第一个卷积层

• 输入图片大小：32*32
• 卷积核大小：5*5，步长1，无填充
• 卷积核种类：6
• 输出特征图大小：28*28                 32-5+1=28
• 神经元数量：28*28*6=4704
• 可训练参数：（5*5+1）*6=156             其中，1为偏置参数
• 连接数（和输入层的连接数）：（5*5+1）*6*28*28=122304

3.S2层-池化层（下采样层）

• 输入特征图大小：28*28
• 采样区域：