深度学习福利入门到精通第一讲—

LeNet是由LeCun在1989年提出的历史上第一个真正意义上的卷积神经网络。用的最多的是1998年出现的LeNet的改进版本LeNet-5.

如图是LeNet-5卷积神经网络的网络架构

1) Input层为输入层，要求必须是维度为32*32*1的图像，即输入的是高度和宽度均为32的单通道图像。

2）C1层为第一个卷积层，得到输出维度28*28*6，卷积核5*5*1，步长1，不用padding

3）S2层为下采样层，这里用最大池化2*2*6,步长为2，输出14*14*6

4）C3为第二个卷积层，步长为1，不用padding，卷积核5*5*6，输出10*10*16

5）S4为第二个下采样层，同样适用最大池化层，窗口2*2*16，步长为2，输出5*5*16

6）C5为第三个卷积层，卷积核5*5*16，步长1，不用padding，输出1*1*120

7）F6为第一个全连接层，让输入的特征图乘上120*84的权重参数，输出1*84的特征图

8）output层输出输入图像对应10个类别的可能性值，需要乘以84*10的矩阵，最终得到10个数据输入softmax激活函数，得到的就是输入图像对应的10个类别的可能性值了。

深度学习福利入门到精通第一讲——LeNet模型相关推荐

深度学习福利入门到精通第二讲——AlexNet模型
Hinton课题组在2012年的ILSVRC比赛中使用AlexNet搭建卷积神经网络模型,并一举夺得冠军,在识别准确率上比第二名支持向量机(SVM)有一定优势. 其架构如图所示因为前面的卷积和最大池 ...
深度学习福利入门到精通第三讲——VGGNet模型
VGG由牛津大学视觉几何组提出,并在2014年ILSVRC取得了定位第一名和分类第二名好成绩. 相对于AlexNet,统一了卷积中使用的参数,卷积核统一为3*3,步长1,padding为1等等.而且增 ...
深度学习福利入门到精通第五讲——ResNet模型
ResNet是更深的网络模型,在2015年的ILSVRC大赛中获得分类任务第一名. ResNet引入了一种残差网络结构,使用这种结构可以避免出现模型性能退化问题. 如图残差模块的输出结果等于输入数据X ...
深度学习福利入门到精通第四讲——GoogleNet模型
2014年ILSVRC大赛中分类第一名就是GoogleNet模型,网络深度22层,而且在网络中加入Inception单元, 证明通过使用Inception单元构造的深层卷积神经网络能进一步提升模型整体 ...
深度学习从入门到精通——人工智能、机器学习与深度学习绪论
人工智能.机器学习与深度学习人工智能定义人工智能历史机器学习分类,按照监督方式深度学习主要应用数学基础张量基本知识矩阵的秩: 矩阵的逆矩阵的广义逆矩阵矩阵分解矩阵特征分解 ...
深度学习从入门到精通
很多同学还处于迷茫阶段,那就听小编一言,在b站直接搜索并关注"跟李沐学AI",可以跟李沐老师学习机器学习.深度学习,还可以通过AI论文精讲对相关论文有更加深入的了解深度学习视频: ...
深度学习从入门到精通——MTCNN人脸侦测算法
这里写目录标题先看效果 MTCNN 主体思想级联网络图像金字塔 IOU算法 iou 公式 nms 算法数据生成celeba 数据代码训练代码侦测代码总结先看效果 MTCNN 从2016 ...
深度学习从入门到精通——图像分割实战DeeplabV3
DeeplabV3算法参数配置关于数据集的配置训练集参数数据预处理模块 DataSet构建模块测试一下数据集去正则化模型加载模块 DeepLABV3+ 参数配置关于数据集的配置 par ...
Python实战入门到精通第一讲——函数
1. 定义函数 def function():print("Hello,World.")returna = function() print(a) 输出: Hello,World. ...

深度学习福利入门到精通第一讲——LeNet模型

深度学习福利入门到精通第一讲——LeNet模型相关推荐

最新文章

热门文章