广州网站备案南宁百度关键词优化

lenet结构：

• 输入层（Input Layer）：接收手写数字的图像数据，通常是28x28的灰度图像。

• 卷积层1（Convolutional Layer 1）：对输入图像进行卷积操作，提取低级别的特征，使用 6 个大小为 5x5 的卷积核进行卷积，得到 6 个输出特征图，激活函数为 Sigmoid。

• 平均池化层1（Average Pooling Layer 1）：对卷积层1的输出特征图进行 2x2 的平均池化操作，将特征图的尺寸减半。

• 卷积层2（Convolutional Layer 2）：对平均池化层1的输出特征图进行卷积操作，进一步提取中级别的特征，使用 16 个大小为 5x5 的卷积核进行卷积，得到 16 个输出特征图，激活函数为 Sigmoid。

• 平均池化层2（Average Pooling Layer 2）：对卷积层2的输出特征图进行 2x2 的平均池化操作，将特征图的尺寸减半。

• 全连接层1（Fully Connected Layer 1）：将平均池化层2