【图像分类】卷积神经网络之LeNet5网络模型实现MNIST手写数字识别

写在前面：
首先感谢兄弟们的关注和订阅，让我有创作的动力，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。

在上一篇博文中我们对LeNet5网络模型的结构进行了剖析，本篇博文，我们将使用PyTorch搭建LeNet5实现MNIST手写数字识别，附完整的项目代码和数据集，可以说是全网最详细的手把手教程，初学者可以很好的入门，其他研究者可以加深LeNet5的理解。

先看本项目训练的LeNet5模型的识别效果：

虽然深度学习概念提出于2006 年，但直到2012 年它才真正火热起来。在此期间出现了一个非常重要的事件——ImageNet 竞赛，它极大地推动了卷积神经网络乃至深度学习的发展。随着ImageNet 竞赛的持续升温，研究将卷积神经网络应用于图像识别任务的工作变得非常流行，在早期卷积神经网络LeNet-5 的基础上发展出许多新的变形[1]。

本文基于PyTorch深度学习框架搭建LeNet5，并用于MNIST手写数字体识别，是一个很有意义的教程，希望大家可以学会训练图像分类模型的流程以及套路，更深层次的了解LeNet5网络结构。

MNIST手写数字识别实战项目往期回归：
在