实践篇1：深度学习之----LetNet之tensorflow2的实现

​
​

活动地址：CSDN21天学习挑战赛

在上篇博客中对LetNet模型进行了介绍：理论篇1：深度学习之----LetNet模型详解；
今天我们我们通过tensorflow2，实现LetNet模型的编写。

环境的配置：

1、环境

• 语言：python，版本3.7.0；（python安装教程网上有很多教程都很好，可自行查询安装）
• 编译器：pycharm;
• 深度学习框架tensorflow2;

2、配置方法
python和pycharmde安装教程网上有很多教程都很好，可自行查询安装;
下面主要介绍tensorflow2的安装方法：

• 方法一、通过pip在线安装

pip install tensorflow
1

注：使用这种方式安装，有时候会因为网络原因造成安装失败；这种情况下尝试第二种安装方式。

• 方法二、下载whl文件，本地安装
  下载whl文件的地址：https://pypi.org/search/?q=tensorflow

// cd 到.whl文件的文件夹
pip install tensorflow-2.9.1-cp37-cp37m-win_amd64.whl
1
2

程序的编写：

以上环境配置完成后就可以进行程序的看编写，接下来将进行LetNet模型的编写：
LetNet.py

#构建网络

model = models.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),  # 卷积层1，卷积核3*3
    layers.MaxPooling2D((2, 2)),  # 池化层1，2*2采样
    layers.Conv2D(64, (3, 3), activation='relu'),  # 卷积层2，卷积核3*3
    layers.MaxPooling2D((2, 2)),  # 池化层2，2*2采样

    layers.Flatten(),  # Flatten层，连接卷积层与全连接层
    layers.Dense(64, activation='relu'),  # 全连接层，特征进一步提取
    layers.Dense(10)  # 输出层，输出预期结果
])
# 打印网络结构
model.summary()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

网络详情：

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              (None, 26, 26, 32)        320       
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 13, 13, 32)        0         
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 11, 11, 64)        18496     
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 5, 5, 64)          0         
_________________________________________________________________
flatten (Flatten)            (None, 1600)              0         
_________________________________________________________________
dense (Dense)                (None, 64)                102464    
_________________________________________________________________
dense_1 (Dense)              (None, 10)                650       
=================================================================
Total params: 121,930
Trainable params: 121,930
Non-trainable params: 0
_________________________________________________________________
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

知识点讲解：

 1、model.summary()     //打印网络
 2、flatten（）    //此函数作用就是把所有的参数转换成一维的
1
2

如有错误，欢迎大家指正！