LeNet卷积网络

LeNet是一种经典的卷积神经网络，由Yann LeCun在1998年提出，主要用于手写数字识别。该网络结构包括三层，分别是输入层、卷积层和全连接层。其中，卷积层用于提取图像的特征，全连接层用于分类。LeNet的主要特点是使用了卷积核大小为5x5的卷积层和池化层，以及使用了ReLU激活函数。此外，LeNet还采用了梯度下降法进行参数优化。虽然LeNet的结构相对简单，但它在当时的手写数字识别任务中表现出色，成为了深度学习领域的经典之作。