一种识别交通标志的多层次化神经网络结构,主要用来识别交通标志，数据集市德国交通标志数据集，该文论是2011年Lecun发表的

LeNet-5神经网络 C源代码，这个写的比较好，可以用gcc编译去跑，结合理论可以对深度学习有更深刻的了解 介绍 根据YANN LECUN的论文《Gradient-based Learning Applied To Document Recognition》设计的LeNet-5神经网络，C语言写成，不依赖任何第三方库。 MNIST手写字符集初代训练识别率97%，多代训练识别率98%。 DEMO main.c文件为MNIST数据集的识别DEMO，直接编译即可运行，训练集60000张，测试集10000张。 项目环境 该项目为VISUAL STUDIO 2015项目，用VISUAL STUDIO 2015 UPDATE1及以上直接打开即可编译。采用ANSI C编写，因此源码无须修改即可在其它平台上编译。 如果因缺少openmp无法编译，请将lenet.c中的#include和#pragma omp parallel for删除掉即可。 API #####批量训练 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 inputs： 要训练的多个图片对应unsigned char二维数组的数组,指向的二维数组的batchSize倍大小内存空间指针。在MNIST测试DEMO中二维数组为28x28，每个二维数组数值分别为对应位置图像像素灰度值 resMat：结果向量矩阵 labels：要训练的多个图片分别对应的标签数组。大小为batchSize batchSize:批量训练输入图像（二维数组）的数量 void TrainBatch(LeNet5 *lenet, image *inputs, const char(*resMat)[OUTPUT],uint8 *labels, int batchSize); #####单个训练 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 input： 要训练的图片对应二维数组 resMat：结果向量矩阵 label: 要训练的图片对应的标签 void Train(LeNet5 *lenet, image input, const char(*resMat)[OUTPUT],uint8 label); #####预测 lenet: LeNet5的权值的指针，LeNet5神经网络的核心 input: 输入的图像的数据 labels: 结果向量矩阵指针 count: 结果向量个数 return 返回值为预测的结果 int Predict(LeNet5 *lenet, image input, const char(*labels)[LAYER6], int count); #####初始化 lenet: LeNet5的权值的指针，LeNet5神经网络的核心

利用LeNet模型并以此实现Mnist手写数据集的识别，里面包含了两种方法、自制测试数据，且附带详细说明，代码亲测都能使用，较为完整，欢迎下载

基于c++实现的LeNet，可以基于自己鼠标手写的字符进行识别，效果很好，原验证集99%的识别率

这是用于手写数字识别的lenet-5模型的MATLAB 代码，内有数据集可以直接运行

MATLAB底层代码实现深度学习LeNet网络训练，用于Mnist数据集手写识别 对于博客见：http://blog.csdn.net/love_ljq/article/details/78976452

里面包含mnist数据集，不用再去下载，程序直接能用。由于model文件夹里有训练好的模型，可以直接跑测试，由于只跑了6000轮训练，不到完整的3W轮，所以只达到了98.8%，你们可以自己训练完一整套，能达到99.*%的准确率。若不满意，那自己调超参数 （初试的指数衰减率 和 每次衰减比率），好了，下次上传迁移学习的代码，下回见，