本文主要是对Caffe中mnist数据集上训练的LeNet模型进行结构分析和可视化。...LeNet网络的所有layer以及layer的输出数据
data: 输入图片数据大小为28*28
conv1: 20个卷积核,卷积之后feature map大小24*24
pool1: pooling...全连接层一, 500个结点
ip2: 全连接层二, 10个结点
prob: 对ip2进行softmax
备注: conv1之后得到20个feature map, conv2有50个卷积核, 每个卷积核在20...个feature map卷积之后, 20个卷积之后的feature map对应位置上的点的数据累加之后取激活函数(ReLU)得到该卷积核的对应的feature map, 因此conv2执行之后的feature...map, 排列起来大小为800, 与ip1的500个结点进行全连接, weights个数为500*800, biases个数为500
ip2: ip1的500个结点与ip2的10个结点进行全连接,