大家好，我是「K同學啊 」！

前幾天翻譯了一篇講十大CNN結構的文章（「多圖」圖解10大CNN架構），原作者思路十分清晰，從時間線上，將近年來CNN發展過程中一些比較重要的網絡模型做了一一介紹。我發現其中好像有幾個網絡模型并沒有在《深度學習100例》出現，接下一段時間我將圍繞這些網絡模型進行實戰講解。

在90年代，由于支持向量機（Support Vecotr Machine，SVM）等算法的發展，深度學習的發展受到了很大的阻礙（盡管Geoffery Hinton在1986年發明的BP算法（Backpropagation）解決了神經網絡的非線性分類學習的問題，但梯度消失的問題沒有得到很好的解決）。但Yann LeCun等人堅持不懈，依然在該領域苦苦研究。1998年，Yann LeCun提出了LeNet-5網絡。LeNet-5被譽為是卷積神經網絡的“Hello Word”，足以見其重要性。

LeNet-5 是最簡單的架構之一。它有 2 個卷積層和 3 個全連接層（LeNet-5 中的“5”——神經網絡的名稱通常來自于它們所具有的卷積層和全連接層的數量）。我們現在所知道的平均池化層被稱為子采樣層，它具有可訓練的權重。這個架構有大約60,000 個參數。

??刊物</

總結

以上是生活随笔為你收集整理的深度学习100例-卷积神经网络（LeNet-5）深度学习里的“Hello Word” | 第22天的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。