keras实现LeNet_5网络，图片分类，准确率达到98.9%

卷积神经网络LeNet-5的pytorch代码实现，关于详细内容，可以参考博客：https://blog.csdn.net/didi_ya/article/details/108317958

LeNet模型1. LeNet模型2. PyTorch实现2.1 模型实现2.2 获取数据与训练 1. LeNet模型 LeNet分为卷积层块和全连接层块两个部分。下面我们分别介绍这两个模块。 卷积层块里的基本单位是卷积层后接平均池化层：卷积层用来识别图像里的空间模式，如线条和物体局部，之后的平均池化层则用来降低卷积层对位置的敏感性。 卷积层块由两个这样的基本单位重复堆叠构成。在卷积层块中，每个卷积层都使用5×55 \times 55×5的窗口，并在输出上使用sigmoid激活函数。第一个卷积层输出通道数为6，第二个卷积层输出通道数则增加到16。 全连接层块含3个全连接层。它们的输出个数分别

Caffe MNIST例子中训练好的LeNet模型，手写体数字识别准确率99%。

LeNet____.zip

_______LENet.zip

博客文章http://blog.csdn.net/hahajinbu/article/details/72877998配套代码

针对计算机辅助乳腺疾病诊断方法准确率低、耗时长等问题，提出一种基于改进的 卷积神经网络（CNN）的乳腺疾病诊断方法．该方法从以下3个方面做了改进：(1)设计双通道 卷积神经网络来解决单通道特征提取不充分的问题；(2)采用Dropout技术有效地防止过拟合现象；(3)采用支持向量机(SVM)代替传统的Softmax分类器以减少运算量，提高运算速度．测试结果表明：所提出的分类模型平均准确率高达92.31%，平均训练时间为968s，充分验证 了该方法的有效性。

c++ 实现的lenet-5 ， 开发环境是vs2015，打开工程就可以运行，大家可以下MNIST库试试，也希望跟大家学习交流

1998 LeNet 论文原文