CNN（一）——LeNet

LeNet

LeNet网络在进行少数据集字符识别的时候有着很好的效果。
共六层网络结构：
输入层 - 卷积层 - 池化层 - 卷积层 - 池化层 - 输出层

网络框架代码

class LeNet(nn.Module):
    def __init__(self):
        super(LeNet, self).__init__()
        self.conv = nn.Sequential(
            nn.Conv2d(1, 6, 5), # in_channels, out_channels, kernel_size
            nn.Sigmoid(),  # 激活函数
            nn.MaxPool2d(2, 2), # kernel_size, stride
            nn.Conv2d(6, 16, 5),  # 5*5卷积 6->16通道
            nn.Sigmoid(),
            nn.MaxPool2d(2, 2)  # 最大池化
        )
        self.fc = nn.Sequential(
            nn.Linear(16*4*4, 120),  # 全连接1.120个神经元
            nn.Sigmoid(),
            nn.Linear(120, 84),  # 全连接2，84个神经元
            nn.Sigmoid(),
            nn.Linear(84, 10)  # 全连接3，输出层，10分类
        )

    def forward(self, img):
        feature = self.conv(img)  # 前向传播得出特征图
        output = self.fc(feature.view(img.shape[0], -1))  # 全连接
        return output

在全连接中，feature.view(img.shape[0], -1)涉及.view和.shape用法。
下一篇博客中会说明。