《动手学——LeNet》笔记

Convolutional Neural Networks ps 之前图像分类识别的方法:构造一个单隐藏层的多层感知机模型,将28×28的图像展开,形成一个长为724的一维向量,并输入到全连接层。 使用全连接层的局限性: 图像在同一列邻近的像素在这个向量中可能相距较远。它们构成的模式可能难以被模型识别。 对于大尺寸的输入图像,使用全连接层容易导致模型过大。 使用卷积层的优势: 卷积层保留输入形状。 卷积层通过滑动窗口将同一卷积核与不同位置的输入重复计算,从而避免参数尺寸过大。 LeNet 模型 LeNet分为卷积层块和全连接层块两个部分。下面我们分别介绍这两个模块。 ps 输入为一通道,长和宽