lenet神经网络

lenet神经网络结构为：

1.输入为32*32*1的图片大小，为单通道的输入：

2.进行卷积，卷积核大小为5*5*1，个数为6，步长为1，非全零填充模式；

3.将卷积结果通过非线性**函数；t

4.进行池化，池化大小为2*2，步长为1，全零填充模式；

5.进行卷积，卷积核大小为5*5*6，个数为16，步长为1，非全零填充模式；

6.将卷积结果通过非线性**函数；

7.进行池化，池化大小为2*2，步长为1，全零填充模式；

8.全连接层进行10分类。

lenet神经网络的结构图及特性提取过程如下所示:

lenet神经网络的输入是32*32*1，经过5*5*1的卷积核，卷积核的个数为6个，采用非全零填充的方式，步长为1，根据非全零填充计算公式：输出尺寸=（输入尺寸-卷积核尺寸+1）/步长=（32-5+1）/1=28.故经过卷积后输出为28*28*6.经过第一层池化层，池化大小为2*2，全零填充，步长为2，由全零填充计算公式：输出尺寸=输入尺寸/步长=28/2=14，池化层不改变深度，深度仍为6.用同样计算方法，得到第二层池化后的输出为5*5*16.将第二层池化后的输出拉直送入全连接层。

根据Lenet神经网络的结构可得，Lenet神经网络具有如下特点：

1.卷积（conv）、池化（ave-pooling）、非线性**函数(sigmoid)相互交替；

2.层与层之间稀疏连接，减少计算复杂度。

对Lenet神经网络进行微调，使其适应Mnist数据集：

由于Mnist数据集中图片大小为28*28*1的灰度图片，而Lenet神经网络的输入为32*32*1，故需要对 Lenet神经网络进行微调。

1.输入为28*28*1的图片大小，为单通道的输入；

2.进行卷积，卷积核大小为5*5*1，个数为32，步长为1，全零填充模式：

3.将卷积结果通过非线性**函数；

4.进行池化，池化大小为2*2，步长为2，全零填充模式；

5.进行卷积，卷积核大小为5*5*32，个数为64，步长为1，全零填充模式；

6.将卷积结果通过非线性**函数；

7.进行池化，池化大小为2*2，步长为2，全零填充模式；

8.全连接层，进行10分类。