LeNet是由LeCun在1989年提出的历史上第一个真正意义上的卷积神经网络。用的最多的是1998年出现的LeNet的改进版本LeNet-5.
如图是LeNet-5卷积神经网络的网络架构
1) Input层为输入层，要求必须是维度为32*32*1的图像，即输入的是高度和宽度均为32的单通道图像。
2）C1层为第一个卷积层，得到输出维度28*28*6，卷积核5*5*1，步长1，不用padding
3）S2层为下采样层，这里用最大池化2*2*6,步长为2，输出14*14*6
4）C3为第二个卷积层，步长为1，不用padding，卷积核5*5*6，输出10*10*16
5）S4为第二个下采样层，同样适用最大池化层，窗口2*2*16，步长为2，输出5*5*16
6）C5为第三个卷积层，卷积核5*5*16，步长1，不用padding，输出1*1*120
7）F6为第一个全连接层，让输入的特征图乘上120*84的权重参数，输出1*84的特征图
8）output层输出输入图像对应10个类别的可能性值，需要乘以84*10的矩阵，最终得到10个数据输入softmax激活函数，得到的就是输入图像对应的10个类别的可能性值了。
