TF2-复现LeNet与AlexNet

已于 2022-03-22 17:10:26 修改
阅读量2.8k 收藏
点赞数
分类专栏： tensorflow2基础教程与项目实战 文章标签： tensorflow 深度学习 神经网络
于 2022-03-22 17:09:09 首次发布
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/weixin_44095417/article/details/123665802
版权
本文介绍了如何使用Tensorflow 2复现经典的卷积神经网络LeNet和AlexNet。LeNet5由Yan LeCun提出，奠定了CNN的基础；AlexNet则引入了ReLU、Dropout和LRN等技术，并首次利用GPU加速计算，成为2012年ImageNet竞赛的冠军。文章提供了简单的网络结构和实现代码，并鼓励读者自行尝试。

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

从这期开始，我们将开始基于Tensorflow 2逐步复现深度学习发展过程中的经典网络。这期我们将复现经典卷积神经网络中的经典——LeNet与AlexNet。

CNN

卷积的原理与池化的作用这里我们不过多介绍。一个卷积神经网络一般包含输入层、卷积层、输出层，但在真正使用的时候，一般会使用多层卷积去不断的提取特征，特征越抽象，越有利于识别。通常卷积神经网络还包含池化层、全连接层，以及最后的输出层。下面是一个Tensorflow 2实现的简单卷积神经网络。

#普通cnn网络
class Baseline(Model):
    def __init__(self)
了解本专栏 订阅专栏 解锁全文 超级会员免费看
TF2-复现VGG网络结构
weixin_44095417的博客
03-24 3395
上期我们分享了LeNet与AlexNet的网络结构，今天我们来利用Tensorflow 2复现VGG16与VGG19的网络结构。 VGG网络结构 VGG16相比AlexNet的一个改进是采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5）。对于给定的感受野（与输出有关的输入图片的局部大小），采用堆积的小卷积核是优于采用大的卷积核，因为多层非线性层可以增加网络深度来保证学习更复杂的模式，而且代价还比较小（参数更少）。 VGG16包含了16个隐藏层（13个卷积层和3个
【TensorFlow2 之014】在 TF 2.0 中实现 LeNet-5
最新发布
gongdiwudu的专栏
10-12 6412
在这篇文章中，我们将展示如何在 TensorFlow 中实现像 \(LeNet-5\) 这样的基础卷积神经网络。LeNet-5 架构由 Yann LeCun 于 1998 年发明，是第一个卷积神经网络。
[tensorflow2笔记九] 使用keras复现经典卷积网络LeNet、AlexNet、VGGNet、InceptionNet、ResNet
滨哥v5的博客
02-27 453
使用keras复现经典网络LeNet、AlexNet、VGGNet、InceptionNet、ResNet
动手学深度学习学习笔记tf2.0版（5.5 卷积神经网络（LeNet））
岁月如歌
03-14 370
data_format：一个字符串，其值为 channels_last（默认值）或者 channels_first。它表明输入的维度的顺序。此参数的目的是当模型从一种数据格式切换到另一种数据格式时保留权重顺序。channels_last 对应着尺寸为 (batch, …, channels) 的输入，而 channels_first 对应着尺寸为 (batch, channels, …) 的...
【tensorflow2.0】24.tf2.0实现AlexNet
weixin_39122088的博客
06-23 857
    AlexNet是2012年ImageNet竞赛冠军获得者Hinton和他的学生Alex Krizhevsky设计的。也是在那年之后，更多的更深的神经网络被提出，比如优秀的vgg,GoogLeNet。 这对于传统的机器学习分类算法而言，已经相当的出色。 （以下内容出自百度百科）     AlexNet中包含了几个比较新的技术点，也首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。同时AlexNet也使用了GPU进行运算加速。     AlexNet将LeNet的思想发扬光大，把CN
用tf2.0训练Alexnet模型（花分类）的过程
weixin_43213607的博客
06-04 394
前言 最近在学TF2.1，之前学习了pytorch，但是感觉很多时候要用到tf，因此现在开始学习关于2.1版本的，作为新手特此记录每一次的代码，这次训练遇到了很多问题，特此记录。 """GPU训练""" from myAlextNet_Module import AlexNet import tensorflow as tf import json import os import time import glob import random import matplotlib.pylab as plt
从零开始搭建自己的卷积神经网络：day.2--LeNet.5复现
weixin_44825185的博客
07-16 362
  day.1是一些理论准备，这篇准备从LeNet.5下手，静下心来看看神经网络到底应该怎么搭建实现。 论文下载：LeNet-5 这是网络结构示意图，太简单了，直接看代码吧，毕竟啥也不会，可能要很久… 1.导入包 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data   这里强调一下这个input_data模块是tensorflow自带的模块，专门用来下载mnist数据集的 2.导入下载好的数
用Tensorflow2搭建经典的卷积神经网络（LeNet,AlexNet,VGG16,ResNet50）
QianLong_的博客
06-18 1511
最近看了卷积神经网络的一些经典论文，用Tensorflow2进行了复现，其中包括LeNet,AlexNet,VGG16,ResNet50,并且在数据集上进行了测试，能够正常训练，结果表明搭建的没有问题。 下面进入正题： import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers import numpy as np import matplotlib.pyplot as plt %matpl
TF2.0深度学习实战（三）：搭建LeNet-5卷积神经网络
不积跬步，无以至千里！
03-15 4396
史上最易深度学习实战教程！
Tensorflow2项目实战课程
03-14
Tensorflow2.0介绍： tensorflow是GOOGLE在2015年底发布的一款深度学习框架，也是目前全世界用得最多，发展最好的深度学习框架。2019年3月8日，GOOGLE发布最新tensorflow2版本。新版本的tensorflow有很多新特征，更快更容易使用更人性化。但是老版的tensorflow程序在新版本中几乎都无法继续使用，所以我们有必要学习新版tensorflow2的新用法。课程介绍： 我们的这门课程适合小白学习，也适合有基础的同学学习。课程会从0开始学习，从python环境安装，python入门，numpy，pandas，matplotlib使用，深度学习基础，一直讲到tensorflow基础，进阶，项目实战。不管你是0基础小白，想进入AI行业，还是有一定基础，想学习最新的tensorflow2的使用，都适合我们这门课程。讲师介绍： 覃秉丰，物理系毕业转AI行业，想转行同学可以找我聊聊。机器学习、深度学习神经网络领域多年研究开发授课经验，精通算法原理与编程实践；曾完成过多项图像识别、目标识别、语音识别等企业项目，一线实战经验丰富；长期为多家包括世界五百强在内的大型企业总部做人工智能技术内训服务（中国移动、中国银行，华夏银行，中国太平洋，国家电网、中海油等）。上课特点：公式尽量一个一个符号推，代码尽量一行一行讲，希望所有人都能学有所得。
tensorflow利用LeNet-5 训练自己的数据集
lpp5406813053的博客
02-26 6224
书上跟网络上的大部分实例都是使用已经封装好的 mnist 数据集来训练卷积神经网络。但是我想利用神经来训练自己的数据集，这时，问题就出现了，如何将自己的数据集导入到神经网络？ 把问题清晰的写下来，整个困难就已经解决了一半了。解决问题的思路如下： 将自己的数据集转换为 tensorflow 支持的神经网络输入格式 tfrecord 重建 LeNet-5 卷积神经网络 对神经网络进行训练 适用...
深度学习分类任务(1):TF2.0基于fashion数据集的LeNet神经网络搭建
青鸠的博客
08-07 1173
TF2.0基于fashion-mnist数据集的LeNet神经网络搭建 1、Fashion数据集简介 不同于mnist手写字数据集那么简单，Fashion——mnist数据集包含了10个类别的图像，分别是：t-shirt（T恤），trouser（牛仔裤），pullover（套衫），dress（裙子），coat（外套），sandal（凉鞋），shirt（衬衫），sneaker（运动鞋），bag（包），ankle boot（短靴）。数据及已经被集成在keras中，通过tf.keras.datasets.fash
TF2.0图像分类实战（一）Lenet
Dandelion_2的博客
08-17 770
关于Lenet的理论方面，请参考：https://cuijiahua.com/blog/2018/01/dl_3.html 本专栏所采用的数据集为猴子数据集，数据集获取：https://pan.baidu.com/s/1p1lG_AhsrMVu7N3BEm6YQw 提取码：hqjp # 导入相应的库 # 导入相应的库 from tensorflow.keras.preprocessing.image import ImageDataGenerator import matplotlib.pyplot as
Tensorflow2实现LeNet
FriendshipTang的博客
02-04 2662
Tesorflow2实现LeNet相关介绍实验环境具体实现导入相关库获取CIFAR10 数据集LeNet模型训练模型评估模型保存模型加载模型进行预测参考文献 相关介绍 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层
项目实战2：TF2.0+AlexNet构建Fasion MNSIT分类器
zxp121127的博客
05-12 2762
Table of Contents 1.1 AlexNet 简介 1.2 tensorflow2.0利用keras搭建AlexNet网络结构 1.3 AlexNet实现Fasion MNIST分类 参考文献及链接： 一、前言 在构建了LetNet网络实现对Fasion MNSIT的分类后，熟悉了深度学习在图像分类应用的大致流程，但精度不佳，于是决定搭建深度学习发展历程中经典的网络模型，...
【tensorflow2.0】23.tf2.0实现LeNet
weixin_39122088的博客
06-22 655
    手写字体识别模型LeNet5诞生于1994年，是最早的卷积神经网络之一。LeNet5通过巧妙的设计，利用卷积、参数共享、池化等操作提取特征，避免了大量的计算成本，最后再使用全连接神经网络进行分类识别，这个网络也是最近大量神经网络架构的起点。 LeNet5的网络结构示意图如下所示： 下边我们通过代码来实现LeNet，给出代码的同时，也会计算参数数量和维度变化。 #这里我们通过顺序模型来实现，相当于复习一下前边的内容。 #这里我们用的图片为（32，32，1） model = tf.keras.Sequ
TF2.0图像分类实战（三）AlexNet
Dandelion_2的博客
08-26 732
AlexNet技术特点概要 AlexNet是现代深度CNN的奠基之作。 2012年，Hinton的学生Alex Krizhevsky提出了深度卷积神经网络模型AlexNet，它可以算是LeNet的一种更深更宽的版本。AlexNet中包含了几个比较新的技术点，也首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。同时AlexNet也使用了GPU进行运算加速，作者开源了他们在GPU上训练卷积神经网络的CUDA代码。 AlexNet包含了6亿3000万个连接，6000万个参数和65万个神经元，拥
lenet5网络在python下TensorFlow2的实现
m0_38022672的博客
05-14 940
lenet5 参考资料： 北京大学， 软微学院， 曹健老师， 《人工智能实践：TensorFlow2.0笔记》 运行环境： python3.7 tensorflow 2.1.0 numpy 1.17.4 matplotlib 3.2.1 import tensorflow as tf import os import numpy as np from matplotlib import pyplot as plt from tensorflow.keras.layers import Conv2D, Bat
tensorflow2实现LeNet-5网络
l2l666的博客
05-19 1884
利用lenet网络实现图片分类 1、导入相关包 import tensorflow as tf from tensorflow import keras import numpy as np import matplotlib.pyplot as plt 2、获取数据集并作预处理 fashion_mnist = tf.keras.datasets.fashion_mnist (train_images,train_labels),(test_images,test_labels) = fashion_mn
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

打赏作者

DataAssassin

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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