pytoch 实现letnet5

LeNet5 是一种经典的卷积神经网络模型，可以用于手写数字识别等任务。下面是使用 PyTorch 实现 LeNet5 的示例代码：

import torch
import torch.nn as nn

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

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

LeNet5 的网络结构包括两个卷积层、两个池化层和三个全连接层。其中，第一个卷积层使用 5x5 的卷积核，第二个卷积层使用 3x3 的卷积核，两个池化层都使用 2x2 的池化核。最后一层输出层使用 softmax 函数进行分类。