lenet网络结构matlab代码

以下是LeNet网络结构的MATLAB实现代码：

% LeNet Network Architecture
layers = [
    imageInputLayer([32 32 1])
    convolution2dLayer(5,20)
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    convolution2dLayer(5,50)
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    fullyConnectedLayer(500)
    reluLayer
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer];

% Define training options
options = trainingOptions('sgdm', ...
    'InitialLearnRate',0.01, ...
    'MaxEpochs',20, ...
    'Shuffle','every-epoch', ...
    'ValidationData',imdsTest, ...
    'ValidationFrequency',30, ...
    'Verbose',false, ...
    'Plots','training-progress');

% Train the network
net = trainNetwork(imdsTrain,layers,options);

其中，LeNet网络结构包含了以下层：

- 输入层：图像大小为32×32×1。
- 卷积层：使用5×5的卷积核，20个输出通道。
- ReLU层：使用ReLU作为激活函数。
- 最大池化层：2×2的最大池化操作，步长为2。
- 卷积层：使用5×5的卷积核，50个输出通道。
- ReLU层：使用ReLU作为激活函数。
- 最大池化层：2×2的最大池化操作，步长为2。
- 全连接层：500个神经元。
- ReLU层：使用ReLU作为激活函数。
- 全连接层：10个神经元，使用softmax作为输出。

训练使用的是随机梯度下降法（SGD），初始学习率为0.01，最大训练轮数为20。同时，使用了随机采样数据的方式进行训练，每个epoch都会重新洗牌数据。在训练过程中，每隔30个迭代就会进行一次验证，输出训练进度和验证结果。最后，通过trainNetwork函数进行网络训练。