lenet5卷积神经网络代码

下面是一个使用PyTorch实现的LeNet-5卷积神经网络的代码示例：

import torch
import torch.nn as nn
import torch.nn.functional as F

class LeNet5(nn.Module):
    def __init__(self):
        super(LeNet5, self).__init__()
        self.conv1 = nn.Conv2d(1, 6, kernel_size=5, stride=1)
        self.pool1 = nn.MaxPool2d(kernel_size=2)
        self.conv2 = nn.Conv2d(6, 16, kernel_size=5, stride=1)
        self.pool2 = nn.MaxPool2d(kernel_size=2)
        self.fc1 = nn.Linear(16*5*5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        x = self.pool1(x)
        x = F.relu(self.conv2(x))
        x = self.pool2(x)
        x = x.view(-1, 16*5*5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

该代码定义了一个名为LeNet5的类，它继承自nn.Module类。在该类的构造函数中，我们定义了卷积层、池化层和全连接层。在前向传播函数中，我们按照LeNet-5的结构依次定义了网络的各个层，并使用ReLU激活函数来处理每一层的输出。最后一层是一个大小为10的全连接层，用于分类任务中的输出。