1. LeNet简介
LeNet是一系列网络的合称，包括LeNet1-LeNet5，是卷积神经网络的开山之作。
文献：LeCun Y, Boser B, Denker J, et al. Handwritten digit recognition with a back-propagation network[J]. Advances in neural information processing systems, 1989, 2.
文献：LeCun Y, Bottou L, Bengio Y, et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE, 1998, 86(11): 2278-2324.
2018 年，LeCun 因深度学习的研究贡献，与 Yoshua Bengio、Geoffrey Hinton 共同获得了计算机科学最高荣誉图灵奖。
2. LeNet 网络结构
参考：
【深度学习】LeNet网络架构_lenet架构-CSDN博客
LeNet讲解+代码实现，训练MNIST数据集（Pytorch）_使用lenet训练mnist-CSDN博客
深度学习经典网络解析图像分类篇（一）：LeNet-5_分类神经网络lenet-CSDN博客
7层神经网络，包括3个卷积层，2个池化层，1个全连接层，1个输出层。其中所有卷积层的卷积核大小都为5*5，步长=1，池化方法为平均池化，激活函数为 Sigmoid（目前使用的Lenet已改为ReLu）。
LeNet-5 网络结构详细解释看这篇，非常详细，我把它截图贴一下，方便查阅。
深度学习经典网络解析图像分类篇（一）：LeNet-5_分类神经网络lenet-CSDN博客
下面都是截图截图截图截图截图
公式为: output_size = (input_size - kernel_size + 1)，即 (32 - 5 + 1) = 28。
3. 代码实现
- model.py：定义LeNet网络模型
- train.py：加载数据集并训练，计算loss和accuracy，保存训练好的网络参数
- predict.py：用自己的数据集进行分类测试
未完待续
