1. LeNet5网络综述
LeNet5网络是一个含有5个隐藏层的卷积神经网络 (Convolutional Neural Network,CNN),其基本的网络结构为
graph TD
Input --> Convolution1
Convolution1 --> subsampling1
subsampling1 --> Convolution2
Convolution2 --> subsampling2
subsampling2 --> full_connection
full_connection --> Convolution3
Convolution3 --> output
2. LeNet5网络的基本思想
LeNet5网络具有卷积神经网络的各种结构,其主要的组成结构为:
- 输入层
- 卷积层Convolution:实现特征提取
- 池化层/subsampling/pooling:实现下采样,进行数据降维
- 全连接层:对得到的特征图进行运算,训练参数,得到输出
- 输出层:常见的分类任务中,有多少个可能的输出,就有多少个输出节点,如手写体数字识别的分类任务中,输出节点的个数为10个
