引言
LeNet-5是LeCun在1998年提出的一个开创性的卷积神经网络架构。作为深度学习历史上的重要里程碑，它为现代计算机视觉的发展奠定了基础。本文将深入剖析LeNet-5的网络结构，工作原理。
模型结构
LeNet-5，5其实就是5层，包含了3层conv，2层fc。LeNet结构非常简单，但是涵盖了CNN所有基本元素，卷积、池化、全连接。
1、观察模型代码（没找到论文原始代码，手撸一个作为回顾）
1）LeNet最初是为了解决手写数字识别问题，minist输入为单通道28x28图像
2）前向过程中，先将minist的输入pad到32x32
3）非线性由tanh引入
2、跑下Minist
1）3个epoch就到99的精度了
3、算下参数量（近似）
1x6x5x5+6x16x5x5+16x120x5x5+120x84+84x10=61470
60k的参数就能满足常规手写体数字识别的需求
总结
1、LeNet首次系统地将卷积和池化操作结合使用，为现代CNN架构奠定了基础
2、在美国邮政编码识别中落地，证明了深度学习在实际问题中的可行性
