帮我写一个lenet5网络模型

Lenet5是一种传统的卷积神经网络模型，用于图像分类任务。它的架构包括以下几个部分：

1. 卷积层：包含多个卷积核，用于提取图像的特征。

2. 池化层：用于降低图像的空间尺寸，同时保留有用的特征。

3. 全连接层：将卷积层和池化层的输出转化为预测的概率分布。

4. Softmax层：输出最终的分类结果。

下面是一个基于Keras的Lenet5模型的示例代码：

from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense
from keras.models import Sequential

model = Sequential()

# 第一层卷积
model.add(Conv2D(filters=6, kernel_size=(5, 5), activation='relu', input_shape=(32, 32, 1)))

# 第一层池化
model.add(MaxPooling2D(pool_size=(2, 2)))

# 第二层卷积
model.add(Conv2D(filters=16, kernel_size=(5, 5), activation='relu'))

# 第二层池化
model.add(MaxPooling2D(pool_size=(2, 2)))

# 将卷积层和池化层的输出展平
model.add(Flatten())

# 全连接层
model.add(Dense(units=120, activation='relu'))

# 全连接层
model.add(Dense(units=84, activation='relu'))

# Softmax层
model.add(Dense(units=10, activation='softmax'))

在这个模型中，我们使用了两个卷积层和两个池化层，以及两个全连接层