LeNet5

最新推荐文章于 2025-05-08 09:42:18 发布

明素

最新推荐文章于 2025-05-08 09:42:18 发布

阅读量304

点赞数

CC 4.0 BY-SA版权

文章标签：神经网络

本文链接：https://blog.youkuaiyun.com/weixin_43406381/article/details/118479345

文章目录

一、简介
二、网络结构
三、代码实现 TODO
四、分析
五、参考

一、简介

LeNet是LeCun在1998年提出，用于解决手写数字识别的视觉任务。一般认为，卷积神经网络是从这里开始的。LeNet5一共有七层。两个卷积，两个池化，三个全连接。

二、网络结构

在这里插入图片描述

这里的卷积就是正常卷积。
池化不太一样。按原文的意思，池化是2*2的池化， 不过不是平均或者最大池化。而只求和了，然后加上一个可以训练的偏置项，再用sigmod函数激活一下。

在这里插入图片描述

其它层的具体情况参见这个大佬写的经典论文之LeNet-5

三、代码实现 TODO

完全按照原论文实现的话很难，我现在不会。貌似按原论文那样效果也一般般。现在对LeNet的实现一般都是简化的。比如池化层直接就最大池化。第三个卷积层也不会整那么麻烦。
不过以后要是水平上来了还是会把这个实现补上。

四、分析

五、参考

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

明素

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

经典卷积神经网络-LeNet-5

houjingchuan的博客

01-01

2351

LeNet-5是Yann LeCun等人在《Gradient-Based Learning Applied to Document Recogn》论文中提出的一个卷积神经网络，LeNet的基本思想和结构为后来更复杂的神经网络提供了灵感，并为研究者们提供了深入理解卷积神经网络的起点。本文介绍了LeNet的基本结构并用Pytorch复现了LeNet，最终在MNIST数据集上进行训练和测试。

LeNet5.zip

07-10

LeNet5是一个经典的卷积神经网络（Convolutional Neural Network, CNN）模型，由Yann LeCun等人在1998年提出，主要用于手写数字识别任务，尤其是在MNIST数据集上的应用。该模型是现代深度学习领域的先驱之一，为后续...

参与评论您还未登录，请先登录后发表或查看评论

LeNet-5

weixin_30344995的博客

11-07

121

输入图像为32*32 C1：卷积层，滤波器6组5*5，输出28*28 *6 。训练参数（25个unit，1个偏置）。连接数156*28*28。神经元：28*28*6 S2：下采样，一个滤波器2*2,，输出14*14*6。参数6*2=12，（一个权重，一个偏置）。连接数：6*5*14*14=5880。14*14个神经元，过滤器处理一样 C3：卷积，60个滤波器，输出...

LeNet-5详解

最新发布

weixin_68114439的博客

05-08

616

LeNet-5 是CNN的起点，虽然结构简单，但设计思想（局部感受野、权值共享、层次化特征）影响了后续所有现代CNN模型。理解LeNet-5是学习深度学习历史的必修课！团队于1998年提出，最初用于手写数字识别（MNIST数据集）。LeNet-5 是卷积神经网络（CNN）的开山之作，由。C3的16个通道并非全部连接S2的6个通道，而是采用。作为损失（现多改用Softmax + 交叉熵）。减少参数量并强制学习组合特征。组成（不含输入层），包含。

Lenet -5 神经网络详解

hellocsz的博客

06-21

8749

网络解析（一）：LeNet-5详解 5 2,211 °CA+所属分类：深度学习摘要LeNet-5出自论文Gradient-Based Learning Applied to Document Recognition，是一种用于手写体字符识别的非常高效的卷积神经网络。一、前言LeNet-5出自论文Gradient-Based Learning Applied to Document Recognit...

LeNet5_LeNet5

09-11

**LeNet5详解** LeNet5是Yann LeCun在1998年提出的一种经典卷积神经网络（Convolutional Neural Network, CNN）架构，主要用于解决手写数字识别问题，尤其是OCR（Optical Character Recognition）应用。在这个项目...

基于LeNet5的手写数字识别系统源码.zip

05-31

基于LeNet5的手写数字识别系统源码基于LeNet5的手写数字识别系统源码。使用说明 train.py 训练 test.py 测试 Mnist 手写数字数据集 readMnist.py 里配置 Mnist 路径（ fpath ） test.py 配置训练的模型包含了 lenet...

卷积神经网络 - 副本.rar_LeNet matlab实现_lenet5的matlab_matlab 训练图片_卷积识别图片_

07-13

对LeNet-5的matlab实现，识别MINST手写数字集，压缩文件包含程序文件和训练、测试图片文件，程序可直接运行（版本matlab R2008a）

pytorch绘制并显示loss曲线和acc曲线，LeNet5识别图像准确率

09-18

本篇文章将介绍如何利用PyTorch和TensorboardX来绘制这些曲线，并以LeNet5为例展示图像分类任务的准确率。 LeNet5是一种经典的卷积神经网络(CNN)架构，由Yann LeCun等人在1998年提出，主要用于手写数字识别。LeNet5...

卷积神经网络：LeNet-5

热门推荐

weixin_45873017的博客

12-14

1万+

2021SC@SDUSC LeNet-5卷积神经网络的整体框架：特征映射：一幅图在经过卷积操作后得到结果称为特征图。 LeNet-5共有8层，包含输入层，每层都包含可训练参数；每个层有多个特征映射(，每个特征映射通过一种卷积核（或者叫滤波器）提取输入的一种特征，然后每个特征映射有多个神经元。C层代表的是卷积层，通过卷积操作，可以使原信号特征增强，并且降低噪音。 S层是一个降采样层，利用图像局部相关性的原理，对图像进行子抽样，可以减少数据处理量同时保留有用信息。计算公式：输入图像的大小为nxn，卷积核的

卷积神经网络LeNet-5

null的专栏

06-15

1728

参考文献

卷积神经网络 - LeNet-5

分享技术人生的学习笔记和过往心得，与志同道合者共同进步

03-24

1639

LeNet-5 是卷积神经网络（CNN）的早期代表之一，由 Yann LeCun 等人在 1998 年提出，主要用于手写数字识别任务（如 MNIST 数据集）。本文我们从其网络结构、各层功能以及整体设计思想入手理解 LeNet-5。

LeNet-5应用

xfsong2012的博客

12-19

1875

数据导入有两步，先用datasets导入，然后用dataloader加载。训练结果在epoch=5时，能达到91%。可视化预测结果，可以看出，16个预测14个准确，准确率87.5%。MNIST共有70000张图片，60000张训练集，10000张测试集。图片大小28*28，灰度图。因为是灰度图，所以mean和std都只有一个参数，如果为RGB，都为（0.5，0.5，0.5）预测图100%正确。所以提高epoch还是有用的。预测结果epoch=3的时候已经成绩达到99%。其它都不需要修改，直接可以进行训练。

LeNet5网络模型

zailushag的博客

06-03

902

LeNet5网络模型是卷积神经网络的开创性模型，提取了三大思想 1.局部感知 2.下采样 3.权值共享 LeNet5共分为7层；第一层：输入层：输入为3232的图像 C1层（卷积层）：使用6个大小为55的卷积核对输入图像进行卷积操作，卷积后得到特征尺寸为28，因此得到2828特征图 S2层（下采样层）：MAX polling操作，polling窗口为22，经过polling层后得到6个1414的特征图，作为下一层输入 C3层（卷积层）：使用16个大小为55的卷积核，输出为161010 S4层（下采样层）：

经典网络-LeNet-5

春秋繁露

06-20

2626

在下面的篇幅中将详细介绍LeNet-5 模型每一层的结构。③ 第一层，卷积层这一层的输入就是原始的图像像素，LeNet-5 模型接受的输入层大小为32×32×1。第一个卷积层过滤器的尺寸为5×5，深度为6，不使用全0 填充，步长为1。因为没有使用全0 填充，所以这一层的输出的尺寸为32−5+1=28，深度为6。这一个卷积层总共有 5×5×1×6+6=156 个参数，其中6 个为偏置项参数。因为下一层的节点矩阵有28×28×6=4704 个节点，每个节点和5×5=25 个当前层节点相连，所以本层卷积.

卷积神经网络（CNN）开山之作——LeNet-5。卷积神经网络基本介绍。

ZZR2631574030的博客

11-17

1万+

LeNet-5诞生于上世纪90年代，是CNN的开山之作，最早的卷积神经网络之一，用于手写数字识别（图像分类任务），它的诞生极大地推动了深度学习领域的发展。LeNet在多年的研究和迭代后，Yann LeCun将完成的这项开拓性成果被命名为LeNet5，并发表在论文《Gradient-Based Learning Applied to Document Recognition》上，如今的AlexNet、ResNet等都是在其基础上发展而来的，在当年是一种用于手写体字符识别的非常高效的卷积神经网络。

lenet5 torch

02-28

### LeNet5 实现 LeNet5 是早期著名的卷积神经网络之一，最初由 Yann LeCun 提出用于手写字符识别。下面是在 PyTorch 中实现 LeNet5 的方法： ```python import torch.nn as nn import torch.nn.functional as F ...