CNN在mnist数据集上实现
这次我们使用CNN中最经典的Lenet网络在mnist数据集上进行训练和预测。
- 卷积NN
主要有两部分组成，一部分是对输入图片特征提取，一部分是全连接网络，主要组成操作包括卷积、池化、激活等。
- 【CNN在mnist数据集上实现】Lenet网络模型
Lenet是提出比较早，能有效解决手写数字图片识别的卷积模型，模型结构如下：
文章图片
0.PNG
对Lenet进行调整使其使用于mnist数据集，结构如下：
文章图片
Lenet_on_mnist.PNG
实现还是分三模块：forward，backwa，test，主要改变是在forward：
文章图片
lenet1.png
定义获得权重、偏执，增加对卷积，池化的函数。
文章图片
lenet2.png 按上层结构前向传播，返回预测值。
backward和test跟上一篇中改动不大，主要是要注意输入的大小：
文章图片
leb1.png
输入占位大小改变
文章图片
leb2.png
喂入的barch_size大小改变
同理，在test文件中，测试数据的大小也相应改变。
新手学习，欢迎指教！
