卷积神经网络基础；leNet；卷积神经网络进阶

1 LeNet主要分为两个部分：卷积层块和全连接层块
2 LeNet的绝大多数参数集中在卷积层块部分
3 LeNet在连接卷积层块和全连接层块时，需要做一次展平操作
4 LeNet的卷积层块交替使用卷积层和池化层。

答案：2

LeNet模型中，90%以上的参数集中在全连接层块

1 因为全连接层的参数数量比卷积层多，所以全连接层可以更好地提取空间信息
2 使用形状为2×2，步幅为2的池化层，会将高和宽都减半
3 卷积神经网络通过使用滑动窗口在输入的不同位置处重复计算，减小参数数量
4 在通过卷积层或池化层后，输出的高和宽可能减小，为了尽可能保留输入的特征，我们可以在减小高宽的同时增加通道数

答案：1

资料来源：

伯禹学习平台-ElitesAI·动手学深度学习PyTorch版-LeNet
https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/jupyter/8Qeea26XXdE5_VUs_POIa

网络基础 lenet 卷积神经网络 神经网络 卷积