Please enable JavaScript.
Coggle requires JavaScript to display documents.
LeNet(1998) (结构 (详细步骤 (3. S2:Pool((2,2),(2,2)) (说明 4个输入相加,乘以一个可训练参数,再加上一个…
LeNet(1998)
结构
详细步骤
-
2. C1: Conv2d(6, (5,5), (1,1))
- 输出特征:28*28*6
- 可训练参数:(5*5+1)*6
3. S2:Pool((2,2),(2,2))
说明
- 4个输入相加,乘以一个可训练参数,再加上一个可训练偏置。结果通过sigmoid
- 池化层,但和现有的池化层不一样,与平均池化层很像
-
-
4. C3
详细步骤
- 前6个卷积核对输入中相邻的3层进行卷积
- 接着的6个卷积核对输入中相邻的前4层进行卷积
- 接着的3个卷积核对输入中3层中2层组合进行卷积
- 最后一个卷积核对输入中每层进行卷积
-
可训练参数:
6*(3*5*5+1)+6*(4*5*5+1)+3*(4*5*5+1)+1*(6*5*5+1)=1516
-
6. C5:Conv2d(120, (5,5), (1,1))
-
可训练参数:
120*(16*5*5+1)=48120
-
-
特点
- 主要是针对灰度设计的
- 由5x5的卷积层和平均池化层交替组成
- 随着网络的深度增加,图像的大小在缩小,与此同时,通道的数量却在增加
- 每个卷积层后面接一个池化层