LeNet5 pytorch实现

最新推荐文章于 2022-11-02 20:26:29 发布
最新推荐文章于 2022-11-02 20:26:29 发布
阅读量1k 收藏 1
点赞数
分类专栏： 机器学习 文章标签： pytorch 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/laonafahaodange/article/details/121012234
版权
这篇博客介绍了如何基于LeNet5网络结构训练MNIST数据集。网络包括卷积层C1、S2、C3、S4及全连接层F5、F6和F7。代码实现分为LeNet5.py定义网络结构和train.py进行模型训练，并导出ONNX模型，可通过Neutron查看网络结构。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

LeNet5

LeNet5网络结构

网络采用LeNet5结构，数据集为MNIST。输入为32x32的单通道图像。网络共分为7层。

网络结构

C1层-卷积层

核大小：5x5
核数目：6
步长：1
输出特征图大小：6x28x28
激活函数采用sigmoid

S2层-池化层

采用平均池化
核大小：2x2
步长：2
输出特征图大小：6x14x14

C3层-卷积层

核大小：5x5
核数目：16
步长：1
输出特征图大小：16x10x10
激活函数采用sigmoid

S4层-池化层

采用平均池化
核大小：2x2
步长：2
输出特征图大小：16x5x5

F5-全连接层

输入：400维
输出：120维

F6-全连接层

输入：120维
输出：84维

F7-全连接层

输入：84维
输出：10维

代码部分

LeNet5.py定义了网络结构
train.py训练模型，生成onnx文件。可以通过Neutron查看网络结构。

代码见github

Pytorch从入门到放弃（1）——实现经典神经网络模型LeNet5
澎湃de家夥的博客
03-04 3582
由于一些原因，需要使用Pytorch深度学习框架。先后也接触了Caffe、TesorFlow、Pytorch这三个深度学习框架，以后也许会更多，个人觉得这些框架大同小异不必全都掌握，精通一个即可，没有办法上面要求没办法，让你用啥你就得用啥。个人觉得这三个框架安装起来要数Caffe安装起来最麻烦，但是在网络模型的修改与扩展上，个人觉得Caffe最舒服，Caffe有专门的网络定义文件，...
LeNet 5 pytorch实现
10-23 365
import torch.nn as nn import torch from torchinfo import summary #img is 32*32*1 data=torch.ones(size=(10,1,32,32)) class LeNet_5(nn.Module): def __init__(self): #定义神经网络所需的全部元素 super().__init__() self.conv1=nn.Conv2d(1,6,5) #32+2pa.
卷积神经网络LeNet-5的pytorch代码实现
Wendy的博客
08-31 1万+
在详解卷积神经网络LeNet-5一文中，我详细介绍了一下Lenet-5的原理，下面简要介绍一下Lenet-5的pytorch代码实现。 主要内容一、Lenet-5网络模型实现1.1 引入必要的包1.2 搭建卷积层和池化层二、Lenet-5实现MNIST手写数字识别 一、Lenet-5网络模型实现 1.1 引入必要的包 代码如下： import torch from torch import nn import torch.nn.functional as F 1.2 搭建卷积层和池化层 代码如下： sel
Pytorch实现LeNet网络
邹九的个人博客
10-07 435
LeNet的网络结构图是： importtorch fromtorch.utils.dataimportDataLoader fromtorchvision.datasetsimportMNIST fromtorchvisionimporttransforms fromtorchimportoptim importtorch.nnasnn #Loaddata defloadMNIST(batch_size):#MNIS...
C语言实现神经网络手写数字识别_LeNet-5
07-02
C语言实现神经网络手写数字识别_LeNet-5
C++实现lenet-5 总结
tangqinglin的专栏
02-01 2965
最近自学了点神经网络深度学习，用C++写一个lenet-5做一个总结吧。lenet-5 的原理，卷积神经网络的原理就不说了，大家自己到网上查，只总结一下我这个外行再实现lenet-5遇到的问题：      根据网上lenet-5资料实现以后，用MNIST验证，结果简直让我不敢直视，完全不对路。但是卷积层、下采样层、全连接网络层我都用相应的数据验证过，没有问题，真是让人很泄气。感谢现在的网络强大，
LeNet的pytorch实现
05-06
总结，PyTorch实现LeNet模型不仅涉及到CNN的基本操作，还包括数据处理、模型构建、训练和评估等多个环节。理解并实践这个过程，对于深入学习深度学习，特别是CNN的原理和PyTorch的使用具有重要的意义。
经典卷积神经网络-LeNet（pytorch实现）
m0_74890428的博客
11-02 3078
卷积神经网络（Convolutional Neural Network，CNN）是一种前馈型的神经网络，本文详细地介绍了LeNet模型，并用pytorch来实现LeNet模型的构建。
卷积神经网络(LeNet)pytorch实现
最新发布
03-25
卷积神经网络(LeNet)pytorch实现
pytorch实现lenet5
08-14
总结来说，通过PyTorch实现LeNet-5模型并在MNIST数据集上进行训练，不仅可以复习经典的卷积神经网络架构，还能了解深度学习模型的训练流程和PyTorch框架的使用方法。这个项目提供了从数据预处理、模型构建、训练到...
LeNet-5神经网络——C源代码
08-09
LeNet-5神经网络 C源代码，这个写的比较好，可以用gcc编译去跑，结合理论可以对深度学习有更深刻的了解 介绍 根据YANN LECUN的论文《Gradient-based Learning Applied To Document Recognition》设计的LeNet-5神经网络，C语言写成，不依赖任何第三方库。 MNIST手写字符集初代训练识别率97%，多代训练识别率98%。 DEMO main.c文件为MNIST数据集的识别DEMO，直接编译即可运行，训练集60000张，测试集10000张。 项目环境 该项目为VISUAL STUDIO 2015项目，用VISUAL STUDIO 2015 UPDATE1及以上直接打开即可编译。采用ANSI C编写，因此源码无须修改即可在其它平台上编译。 如果因缺少openmp无法编译，请将lenet.c中的#include和#pragma omp parallel for删除掉即可。 API #####批量训练 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 inputs： 要训练的多个图片对应unsigned char二维数组的数组,指向的二维数组的batchSize倍大小内存空间指针。在MNIST测试DEMO中二维数组为28x28，每个二维数组数值分别为对应位置图像像素灰度值 resMat：结果向量矩阵 labels：要训练的多个图片分别对应的标签数组。大小为batchSize batchSize:批量训练输入图像（二维数组）的数量 void TrainBatch(LeNet5 *lenet, image *inputs, const char(*resMat)[OUTPUT],uint8 *labels, int batchSize); #####单个训练 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 input： 要训练的图片对应二维数组 resMat：结果向量矩阵 label: 要训练的图片对应的标签 void Train(LeNet5 *lenet, image input, const char(*resMat)[OUTPUT],uint8 label); #####预测 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 input: 输入的图像的数据 labels: 结果向量矩阵指针 count: 结果向量个数 return 返回值为预测的结果 int Predict(LeNet5 *lenet, image input, const char(*labels)[LAYER6], int count); #####初始化 lenet: LeNet5的权值的指针，LeNet5神经网络的核心
神经网络c语言库,LeNet-5: LeNet-5神经网络，C语言写成，不依赖任何第三方库。附带MNIST字符集测试demo...
weixin_30789921的博客
05-23 319
LeNet-5神经网络介绍根据YANN LECUN的论文《Gradient-based Learning Applied To Document Recognition》设计的LeNet-5神经网络，C语言写成，不依赖任何第三方库。MNIST手写字符集初代训练识别率97%，多代训练识别率98%。DEMOmain.c文件为MNIST数据集的识别DEMO，直接编译即可运行，训练集60000张，测试集1...
用C实现Lenet的总结
wydbyxr的博客
09-05 1387
根据博客http://blog.youkuaiyun.com/tostq/article/category/6290467所写的一些总结。 cnn.cpp cnn.h 存在关于CNN网络的函数、网络结构等 minst.cpp minst.h 处理Minst数据库的函数、数据结构等；包括输入和输出 mat.cpp mat.h 一些关于矩阵的函数，如卷积操作、180度翻转操作等 main.cpp
LeNet-5 研习 3 (进行C语言实现LeNet的前向传播的解读)
baidu_40840693的博客
10-07 1921
参考博客： https://blog.youkuaiyun.com/tostq/article/details/51786265 参考代码: https://github.com/tostq/DeepLearningC/tree/master/CNN 一 总结构介绍 在代码中，一共分为5层 //输入(不算入层数)-1卷积层-2池化层-3卷积层-4池化层-5输出层 二 C1卷积层 ...
卷积神经网络的C语言实现
lihui1996524的博客
01-10 5264
卷积神经网络的C语言实现 代码实现环境是vs2019,po主使用这个代码实现了lenet-5模型的向前传播过程。不过可以通过改变主函数中的参数来实现其他模型。由于作者学艺不精，本代码只能实现卷积步长为1，池化方式只能选择最大池化，激活函数目前只写了Relu。如果小伙伴们有其他需求，可以自己修改代码~~ 工程的实现主要分为两部分 第一部分是在python上做的分为以下几个步骤。 1.搭建模型以及训练...
运用C语言编写Lenet-5（一）
LuoYao_Yang的博客
09-06 3120
在运用Vivado HLS生成IP Core的过程中，HLS只能综合C或者C++语言，之前用于编写卷积神经网络的一直都是运用Python语言，虽然学习过C语言但是对它已经很陌生了，这里详细记录以下用C语言实现lenet-5的过程，希望对大家有所帮助。下面的代码是我在github上下载下来进行阅读的。 1、对卷积的定义 #include "lenet.h" #include <memory...
深度学习（四）卷积神经网络入门学习(1)
热门推荐
hjimce的专栏
08-06 7万+
卷积神经网络与我们之前所学到的图像的卷积的区别，我的理解是：我们之前学图像处理遇到卷积，一般来说，这个卷积核是已知的，比如各种边缘检测算子、高斯模糊等这些，都是已经知道卷积核，然后再与图像进行卷积运算。然而深度学习中的卷积神经网络卷积核是未知的，我们训练一个神经网络，就是要训练得出这些卷积核，而这些卷积核就相当于我们学单层感知器的时候的那些参数W，因此你可以把这些待学习的卷积核看成是神经网络的训练参数W。
Lenet5实现及代码详解——以MINST数据集为例
qq_43569111的博客
10-18 3935
看了卷积神经网络（CNN）的原理及介绍，想着自己动手解决一个案例，在网上也看了很多博客，这里整理一下，顺便记录一下自己解决一个完成的CNN实例的过程，以便以后方便看。 如果有不足之处，欢迎大家指正。 数据获取与可视化操作 1、下载minst数据集 在网上可以很容易找到minst数据集，这里为了方便大家，直接给出链接，大家直接点击下载即可.。注意下载后不要解压缩。 2、数据的读取 利用python的...
LeNet-5 研习 4 (进行C语言实现LeNet的后向传播的解读)
baidu_40840693的博客
10-07 1738
参考博文： https://blog.youkuaiyun.com/tostq/article/details/51788093 https://www.cnblogs.com/charlotte77/p/5629865.html https://www.cnblogs.com/ooon/p/5418555.html  http://www.cnblogs.com/maybe2030/p/559771...
Kaggle手写体识别竞赛指南：使用Lenet和PyTorch
描述中还提到了一个具体的实现方法，即使用LeNet神经网络架构来实现手写数字的识别，并且指定了使用的编程环境，包括Python语言的版本为3.6以及深度学习框架PyTorch。 标签部分列出了与这个压缩包数据集相关的几个...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值