典型的卷积神经网络架构

ForDreamMusk2026-05-18 8:42

卷积神经网络：Convolutional Neural Network (CNN)

1.LeNet

LeNet（更准确地说是 LeNet-5）卷积神经网络的经典结构，是现代 CNN 的开山之作，也是卷积神经网络的 "入门模板"。

📊 网络结构逐层解析

💡 关键设计亮点与意义

卷积 + 池化交替结构这是 CNN 的经典范式：卷积提取特征，池化压缩特征。这种结构大幅减少了全连接层的参数数量，同时保留了空间信息，解决了早期全连接网络参数爆炸的问题。

局部连接 + 权值共享卷积层的权值共享机制，让同一个卷积核在整张图上滑动提取特征，既减少了参数，又让网络具备了平移不变性（物体在图中移动，网络依然能识别）。

应用背景LeNet-5 最初被用于手写数字识别（MNIST 数据集），后来被实际应用在银行支票的手写数字识别中，是第一个成功商用的卷积神经网络。

📌 补充说明

图中提到 "C1 和 C3 卷积核的大小均为 5×5"，这是 LeNet-5 的经典设计，这种中等尺寸的卷积核在当时的算力条件下，平衡了特征提取能力和计算成本。

现代的 LeNet 实现中，通常会将平均池化替换为最大池化，激活函数从 Sigmoid / 双曲正切替换为 ReLU，以提升训练效率和性能。

2.AlexNet

赢得了2012年ImageNet图像识别挑战赛。

接下来我们基于LeNet的结构，重新进行MNIST数字手写体识别。