理解 LeNet-5 的里程碑地位、逐层网络结构与尺寸变化、PyTorch 实现，以及它开创的卷积+池化+全连接范式如何奠定现代 CNN 的基础
标签：手写数字识别
共 2 篇相关内容，按发布时间排列。
基于 MNIST 数据集，先手动实现一个完整的多分类神经网络（前向/反向/参数更新），再用 PyTorch 的 nn.Module/CrossEntropyLoss/SGD 重写，对比两者理解框架帮我们做了什么
共 2 篇相关内容，按发布时间排列。
理解 LeNet-5 的里程碑地位、逐层网络结构与尺寸变化、PyTorch 实现，以及它开创的卷积+池化+全连接范式如何奠定现代 CNN 的基础
基于 MNIST 数据集，先手动实现一个完整的多分类神经网络（前向/反向/参数更新），再用 PyTorch 的 nn.Module/CrossEntropyLoss/SGD 重写，对比两者理解框架帮我们做了什么