大家好，我是「K同學(xué)啊 」！

前幾天翻譯了一篇講十大CNN結(jié)構(gòu)的文章（「多圖」圖解10大CNN架構(gòu)），原作者思路十分清晰，從時(shí)間線上，將近年來(lái)CNN發(fā)展過(guò)程中一些比較重要的網(wǎng)絡(luò)模型做了一一介紹。我發(fā)現(xiàn)其中好像有幾個(gè)網(wǎng)絡(luò)模型并沒(méi)有在《深度學(xué)習(xí)100例》出現(xiàn)，接下一段時(shí)間我將圍繞這些網(wǎng)絡(luò)模型進(jìn)行實(shí)戰(zhàn)講解。

在90年代，由于支持向量機(jī)（Support Vecotr Machine，SVM）等算法的發(fā)展，深度學(xué)習(xí)的發(fā)展受到了很大的阻礙（盡管Geoffery Hinton在1986年發(fā)明的BP算法（Backpropagation）解決了神經(jīng)網(wǎng)絡(luò)的非線性分類學(xué)習(xí)的問(wèn)題，但梯度消失的問(wèn)題沒(méi)有得到很好的解決）。但Yann LeCun等人堅(jiān)持不懈，依然在該領(lǐng)域苦苦研究。1998年，Yann LeCun提出了LeNet-5網(wǎng)絡(luò)。LeNet-5被譽(yù)為是卷積神經(jīng)網(wǎng)絡(luò)的“Hello Word”，足以見(jiàn)其重要性。

LeNet-5 是最簡(jiǎn)單的架構(gòu)之一。它有 2 個(gè)卷積層和 3 個(gè)全連接層（LeNet-5 中的“5”——神經(jīng)網(wǎng)絡(luò)的名稱通常來(lái)自于它們所具有的卷積層和全連接層的數(shù)量）。我們現(xiàn)在所知道的平均池化層被稱為子采樣層，它具有可訓(xùn)練的權(quán)重。這個(gè)架構(gòu)有大約60,000 個(gè)參數(shù)。

??刊物</

總結(jié)

以上是生活随笔為你收集整理的深度学习100例-卷积神经网络（LeNet-5）深度学习里的“Hello Word” | 第22天的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。