深度学习应用开发 课件 cha4 9-经典的卷积神经网络_第1页
深度学习应用开发 课件 cha4 9-经典的卷积神经网络_第2页
深度学习应用开发 课件 cha4 9-经典的卷积神经网络_第3页
深度学习应用开发 课件 cha4 9-经典的卷积神经网络_第4页
深度学习应用开发 课件 cha4 9-经典的卷积神经网络_第5页
已阅读5页，还剩7页未读， 继续免费阅读

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

目录1LeNet-5的网络结构01任务LeNet-5的贡献02任务LeNet-5的网络层03任务1LeNet-5的网络结构1LeNet-5网络结构图LeNet-5是最早提出的卷积神经网络，该网络是由YannLeCun基于1988年以来的工作提出。基于LeNet-5的手写数字识别系统在20世纪90年代被美国很多银行使用，用来识别支票上面的手写数字。

LeNet-5网络结构图如下：LeNet-5网络结构图2LeNet-5的贡献2LeNet-5的贡献LeNet-5的贡献：在神经网络中引入卷积层；引入下采样层；采用“卷积+池化(下采样)+非线性激活”的结构，该结构是CNN典型特征；使用MPL作为分类器。3LeNet-5的网络层3LeNet-5的各层（1）输入层读入需要被网络处理的图片，这里图片的大小为32*32的灰度图片（2）Conv1层图片大小:32x32，通道数为1filter(卷积核)：5x5x6(大小5x5,个数6)步长：1输出：28x28x6采用的卷积方式：padding=vaild3LeNet-5的各层（3）S2层图片大小：28x28池化窗口：2x2个数：6输出：14x14x6（4）Conv3层图片大小:14x14，通道数为6filter(卷积核)：5x5x16(大小5x5,个数16)步长：1输出：10x10x16采用的卷积方式：vaild3LeNet-5的各层（5）S4层图片大小：10x10池化窗口：2x2个数：16输出：5x5x16（6）Conv5层图片大小:5x5，通道数为16filter(卷积核)：5x5x120(大小5x5,个数120)步长：1输出：1x1x120采用的卷积方式：vaild3LeNet-5的各层（7）F6层输入向量维度：[1,120]权重参数的维度：[120,84]计算方式：输入的向量与权重参数之间用矩阵点积的方式进行运算，得到一个输出维度为[1,86]的向量（8）OUTPUT层输入向量维度：[1,84]权重参数的维度：[84,10]计算方式：输入的

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论