one_big_River的博客

LeNet主要用来进行手写字符的识别与分类，现在神经网络中的许多内容在LeNet的网络结构中都能看到，例如卷积层，Pooling层，ReLU层。 import tensorflow as tf import time from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('MNIST_data', one_hot=True) # 获取minist数据 # E:\data\.

该网络包括五个卷积层和三个全连接层，输入图像经过卷积操作和全连接层的操作，最后输入具有1000个节点的softmax分类器完成图像分类。 该网络通过使用线性整流函数ReLU作为激活函数，引入局部响应归一化缓解梯度消失问题；使用数据增强和Dropout技术大大缓解了过拟合问题。 实验过程 论文中是使用了ImageNet数据集进行训练和测试的，由于设备计算能力有限，我自己选择的了用mnist数据集进行试验，相应的稍微更改了一下网络结构。 训练集：mnist数据集是一组28*28的灰度图像，训练数据集包含 60.