TensorFlow学习--LeNet5神经网络
LeNet5神经网络
简介
LeNet5由Yann LeCun于1994年提出,模型结构如图:
在模型中,每个卷积层包含三个部分:卷积/池化/非线性激活函数.并采用MLP作为分类器.同时层与层的稀疏连接减少了计算的复杂度.
网络结构
LeNet5神经网络结构:
- C1:卷积层
输入为32*32的单通道图像,使用6个5*5大小的卷积核进行卷积,得到6个feature map.feature map大小为(32+1-5)*(32+1-5)=28*28(步长为1).
如图,3*3大小的卷积核对7*7大小的图像卷积后的图像大小为(7+1-3)*(7+1-3)=5*5
- S2:池化层
池化过程通常也称为特征映射过程,实现了特征降维.常用方法有平均池化和最大池化.这里采用filter大小为2*2,步长为2的池化过程对C1层的6个feature map进行池化,因此对应得到的6个feature map大小为(28/2)*(28/2)=14*14.
如图使用2*2的filter,步长为2时分别采用两种平均池化和最大池化:
平均池化,即filter内元素求和取均值:
最大池化,即filter内元素求最大值:
- C3:卷积层
卷积核大小为5*5,因此卷积后得到的feature map大小为(14+1-5)*(14+1-5)=10*10.C3层中采用了16个5*5的卷积核,每个卷积核只与S2层中的部分feature map连接,连接方式如图:
横向代表卷积核编号(0-15),纵向代表S2层中的6个feature map的编号(0-5).如C3中的第0个feature map:卷积核0与S2中的第0/1/2个feature map 进行卷积(可看作是3维卷积).这样得到16个10*10大小的feature map. - S4:池化层
与S2类似,同样采用2*2的单元.得到16个5*5大小的feature map. - C5:卷积层
120个大小为5*5的卷积核,每个都与S4中的所有feature map进行连接.得到的feature map大小为1*1.刚好形成全连接. - F6:全连接层
F6层有84个神经元,每个神经元与C5层的feature map进行全连接,得到一个84维的特征向量.然后用来做分类预测.
论文连接:Gradient-Based Learning Applied to Document Recognition
TensorFlow学习--LeNet5神经网络相关推荐
- TensorFlow学习笔记——实现经典LeNet5模型
TensorFlow实现LeNet-5模型 文章目录 TensorFlow实现LeNet-5模型 前言 一.什么是TensorFlow? 计算图 Session 二.什么是LeNet-5? INPUT ...
- tensorflow学习笔记二——建立一个简单的神经网络拟合二次函数
tensorflow学习笔记二--建立一个简单的神经网络 2016-09-23 16:04 2973人阅读 评论(2) 收藏 举报 分类: tensorflow(4) 目录(?)[+] 本笔记目的 ...
- 【深度学习】Tensorflow搭建卷积神经网络实现情绪识别
[深度学习]Tensorflow搭建卷积神经网络实现情绪识别 文章目录 1 Tensorflow的基本使用方法1.1 计算图1.2 Feed1.3 Fetch1.4 其他解释 2 训练一个Tensor ...
- 【深度学习】我用 PyTorch 复现了 LeNet-5 神经网络(自定义数据集篇)!
在上三篇文章: 这可能是神经网络 LeNet-5 最详细的解释了! 我用 PyTorch 复现了 LeNet-5 神经网络(MNIST 手写数据集篇)! 我用 PyTorch 复现了 LeNet-5 ...
- TensorFlow学习(三)——神经网络进阶
TensorFlow学习(三)--神经网络进阶DNN 一.神经网络的进阶概念 激活函数 偏置项 损失函数 经典损失函数 交叉熵(cross entropy)损失函数--分类问题 示例展示 代码表示 代 ...
- 神经网络学习小记录2——利用tensorflow构建循环神经网络(RNN)
神经网络学习小记录2--利用tensorflow构建循环神经网络(RNN) 学习前言 RNN简介 tensorflow中RNN的相关函数 tf.nn.rnn_cell.BasicLSTMCell tf ...
- TensorFlow学习--函数逼近(RBF神经网络)
目录 主体代码参照: 1.RBF网络相关知识 知识概述 2.K-means聚类最优k值的选取 2.1手肘法:SSE(sum of the squared errors,误差平方和) 2.2 轮廓系数法 ...
- TensorFlow CNN卷积神经网络实现工况图分类识别(一)
1. Tensorflow知识点 1.1. 张量 在Tensorflow程序中,所有的数据都是通过张量的形式来表示.从功能的角度上看,张量可以简单的理解为多维数组. (1)占位符Placeholder ...
- 【干货】史上最全的Tensorflow学习资源汇总,速藏!
一 .Tensorflow教程资源: 1)适合初学者的Tensorflow教程和代码示例:(https://github.com/aymericdamien/TensorFlow-Examples)该 ...
最新文章
- 一文学懂Java泛型,详细而全面,值得收藏~
- 中国钢铁行业战略规划及项目建设动态分析报告2021-2027年
- css语言基础--css的选择符语法
- 数据集成--ETL工具
- 鸿蒙系统天气,墨迹天气携手鸿蒙系统 以精细化气象服务助力全场景生态建设...
- vue-property-decorator使用指南
- 问题 1066: 2004年秋浙江省计算机等级考试二级C 编程题(2)
- 剑指企业级云原生,阿里云 CNFS 如何破局容器持久化存储困境
- vue 父组件获取接口值传到子组件_vue父组件异步获取数据传给子组件的方法
- Fast Intro To Java Programming (2)
- 制造业ERP项目设计摘录
- 盛大易宝只是陈天桥的梦而已
- yy安全中心官网首页登录html,YY安全中心手机版
- 598. 范围求和 II【我亦无他唯手熟尔】
- 金融工程中的蒙特卡罗方法
- 关于X509证书和密钥的概念
- Android系统移植与调试之-------build.prop文件详细赏析
- jar构建docker镜像_将jar包打包为docker镜像
- python面向对象书籍_python面向对象法实现图书管理系统
- 支付宝快捷登录相关事宜
热门文章
- surface pro 7 linux,微软正式发布Surface Pro 7
- 最新App、手机网站尺寸规范—移动设备界面UI设计尺寸规范
- java抠图人物背景图片_对外景人物照片精细抠图换背景的PS教程
- App测试环境搭建全过程,包含JAVA JDK配置、Android SDK、、Appium、Node.js、模拟器配置【究极保姆级】还不会我吃奥利给
- JNLP : Java Glossary
- paper_note
- 我大抵是病了,横竖都睡不着。
- Java筑基28-泛型
- web3再牛 也没能逃出这几个老巨头的手掌心
- css html 实现刻度,用CSS划一把刻度尺