7、卷积神经网络：从MNIST到CIFAR - 10的实战之旅

卷积神经网络：从MNIST到CIFAR - 10的实战之旅

1. LeNet在TensorFlow中的实现

在TensorFlow中定义LeNet时，我们会用到卷积二维模块， tf.keras.layers.Conv2D 是 tf.keras.layers.Convolution2D 的别名，二者可互换使用。以下是定义LeNet的代码：

import tensorflow as tf
from tensorflow.keras import datasets, layers, models, optimizers

# 网络和训练参数
EPOCHS = 5
BATCH_SIZE = 128
VERBOSE = 1
OPTIMIZER = tf.keras.optimizers.Adam()
VALIDATION_SPLIT = 0.90
IMG_ROWS, IMG_COLS = 28, 28  # 输入图像尺寸
INPUT_SHAPE = (IMG_ROWS, IMG_COLS, 1)
NB_CLASSES = 10  # 输出类别数，即数字的数量

# 定义卷积网络
def build(input_shape, classes):
    model = models.Sequential()
    # 第一个卷积层，使用ReLU激活函数，接着是最大池化层
    model.add(layers.Convolution2D(20, (5, 5), activation='relu',
                                   input_shap