TF11——LeNet
作者:互联网
TF11——LeNet
经典卷积网络
LeNet由Yann LeCun于1998年提出,卷积网络开篇之作。
在统计神经网络层数时,一般只统计卷积计算层和全连接计算层,其余操作可以认为是卷积计算层的附属
LeNet一共有五层网络,其中C1是一层卷积,C3是一层卷积,C5、F6、Output是连续的三层全连接,卷积就是CBAPD,上图中,把前面的两层卷积用CBAPD描述出来
- 第一层是6个
5*5
的卷积核,卷积步长是1,不使用全零填充,LeNet提出时还没有BN操作,这里选择不使用BN操作,LeNet时代sigmoid是主流的激活函数,用2*2
的池化核,步长为2,进行最大池化,不使用全零填充,LeNet时代还没有Dropout,所以不使用Dropout层 - 第二层是16个
5*5
的卷积核,卷积步长是1,不使用全零填充,不使用BN操作,igmoid是激活函数,用2*2
的池化核,步长为2,进行最大池化,不使用全零填充,不使用Dropout层 - 随后Flatten拉直
- 连续三层全连接网络,神经元分别是120、84、10,前两层全连接使用sigmod激活函数,最后一层使用softmax使输出符合概率分布
对着CBAPD写出的代码如下
源码:P31_cifar10_lenet5.py
标签:TF11,使用,全零,卷积,步长,池化,LeNet 来源: https://www.cnblogs.com/studyhao1999/p/16029884.html