模型简介

LeNet的实现确立了CNN的结构，现在神经网络中的许多内容在LeNet的网络结构中都能看到，例如卷积层，Pooling层，ReLU层。虽然LeNet早在20世纪90年代就已经提出了，但由于当时缺乏大规模的训练数据，计算机硬件的性能也较低，因此LeNet神经网络在处理复杂问题时效果并不理想。虽然LeNet网络结构比较简单，但是刚好适合神经网络的入门学习。 确定了 CNN的最基本的架构：卷积层、池化层、全连接层。如今各大深度学习框架中所使用的LeNet都是简化改进过的LeNet-5（-5表示具有5个层），和原始的LeNet有些许不同，使用的方式是conv1->pool->conv2->pool2再接全连接层，但是不变的是，卷积层后紧接池化层的模式依旧不变。

• 1. 使用方法

  • 1.1. 模型训练

• 2. 模型来源

1. 使用方法

1.1. 模型训练

python run.py 
# 该文件包含下载MNIST数据集、训练和测试步骤，可按需修改代码分布复现

2. 模型来源

https://github.com/activatedgeek/LeNet-5