从AlexNet到LeNet：卷积神经网络模型搭建实战与性能对比

1次阅读

共计 2524 个字符，预计需要花费 7 分钟才能阅读完成。

卷积神经网络（CNN）已成为计算机视觉领域的基石技术，其局部连接和权重共享的特性使其特别适合处理图像数据。在众多 CNN 架构中，LeNet 和 AlexNet 因其里程碑意义而成为必学经典：

LeNet-5（1998）：首个成功应用于数字识别的 CNN，证明了卷积结构的有效性
AlexNet（2012）：在 ImageNet 竞赛中以绝对优势夺冠，推动了深度学习复兴

选择这两个模型进行对比，既能看到 CNN 的基础设计思想，又能观察网络深度增加带来的性能变化。

特性	LeNet-5	AlexNet
提出时间	1998	2012
网络深度	7 层（2 卷积）	8 层（5 卷积）
参数量	~60K	~60M
激活函数	Sigmoid	ReLU
正则化	–	Dropout(0.5)
输入尺寸	32×32	224×224

import torch
from torchvision import transforms, datasets

# 通用数据增强策略
train_transforms = transforms.Compose([transforms.RandomHorizontalFlip(),  # 水平翻转增强
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))  # CIFAR-10 单通道归一化
])

test_transforms = transforms.Compose([transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

import torch.nn as nn

class LeNet(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 6, 5)  # 输入 1 通道，输出 6 通道，5x5 卷积核
        self.pool = nn.MaxPool2d(2, 2)   # 2x2 最大池化
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16*5*5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)     # CIFAR-10 共 10 类

    def forward(self, x):
        x = self.pool(torch.sigmoid(self.conv1(x)))
        x = self.pool(torch.sigmoid(self.conv2(x)))
        x = torch.flatten(x, 1)  # 展平特征图
        x = torch.sigmoid(self.fc1(x))
        x = torch.sigmoid(self.fc2(x))
        x = self.fc3(x)
        return x

class AlexNet(nn.Module):
    def __init__(self):
        super().__init__()
        self.features = nn.Sequential(nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),  # 适应 224 输入
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            # 后续卷积层省略...
        )
        self.classifier = nn.Sequential(nn.Dropout(0.5),  # 防止过拟合
            nn.Linear(256*6*6, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(0.5),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, 10),
        )