各种神经网络的结构
各种神经网络的结构
LeNet
参考：原博客地址
输入： 将输入的图片统一规划为32*32尺寸
C1： 6个5*5（32-28+1）的卷积核，总共有6*（5*1+1）=156个参数
S2： 6个2*2（28/14）的卷积核，总共有6*2=12个参数
C3： 16个5*5（14-10+1）的卷积核，总共有6*（3*5*5+1）+6*（4*5*5+1）+3*（4*5*5+1）+1*（6*5*5+1）=1516个参数 这种组合的原因：1）减少参数，2）这种不对称的组合连接的方式有利于提取多种组合特征。
S4： 16个2*2的卷积核，总共有6*12=72个参数
C5： 120个5*5的卷积核，总共有120*（5*5*\16+1）=48120个参数
F6： 84*（120+1）=10164个参数
Output： 总共有84*10=840个参数
识别数字3的过程：