LeNet-5 ，以用于實現手寫識別的7層CNN（不包含輸入層）為例，以下為LeNet-5的示意圖：

?	?
?	?
?	?

Input Layer：1*32*32圖像

Conv1 Layer：包含6個卷積核，kernal size：5*5，parameters:（5*5+1）*6=156個

Subsampling Layer：average pooling，size：2*2

? ? ? ? ?? ? ? ? ? ? ? ? ? ? ?? Activation Function：sigmoid

Conv3 Layer：包含16個卷積核，kernal size：5*5?->16個Feature Map

Subsampling Layer：average pooling，size：2*2

Conv5 Layer：包含120個卷積核，kernal size：5*5

Fully Connected Layer：Activation Function：sigmoid

Output Layer：Gaussian connections

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的LeNet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。