卷积神经网路学习之路

网络结构 LeNet现在主要指LeNet5，主要特征是将卷积层和下采样层相结合作为网络的基本结构。 输入为一个矩阵或者图像，大小为32X32。不计输入层，这个模型共有7层，3个卷积层，2个下采样层，1个全连接层和1个输出层。 **C1:第一个卷积层。**包含6个卷积特征图，每个特征图大小为28X28，由一个5X5的卷积核对输入图像进 行内卷积运算得到。 **S2：第一个下采样层（池化层）。...

网络结构 网络结构如图所示，包含5个卷积层和3个全连接层。其中，有3个卷积层进行了最大池化。 AlexNet各层组织结构如表所示，其中conv表示卷积运算操作，ReLU表示校正线性单元，pool表示池化操作，norm表示局部响应归一化，dropout表示丢失输出操作，IP表示全连接。 ...