如何在Python中加载LeNet-5的预训练权重？

在Python中，特别是在深度学习框架Keras中，加载预训练的LeNet-5模型和其权重相对简单。以下是一个基本的例子：

from keras.applications import lenet
from keras.models import load_model

# 下载并解压预先训练好的LeNet模型
# 这里假设你已经下载了LeNet模型的.h5文件，如果没有，可以从Keras官方或其他来源获取
lenet_model = lenet.Lenet(weights='imagenet')  # 使用imagenet预训练权重

# 如果你想加载一个保存的.h5或.pkl模型
# model_path = 'path_to_your_pretrained_model.h5'
# lenet_model = load_model(model_path)

# 现在你可以使用load_layer或者get_layer方法访问到预训练的层，如果想冻结模型，可以设置trainable=False
for layer in lenet_model.layers:
    layer.trainable = False  # 如果你只想用预训练的部分而不希望更新

# 最后，你可以利用这个模型进行预测或者其他任务

注意，这里的`weights='imagenet'`表示加载的是ImageNet数据集预训练的权重，如果你的应用场景不是图像分类，可能需要选择其他合适的预训练权重。