神经网络学习：LeNet5

LeNet卷积神经网络的理解并对手势数据集识别

LeNet：《基于梯度的文档识别学习方法研究》
论文链接：http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf
LeNet卷积神经网络架构

源码：https://github.com/DoubleYuanL/LeNet5.git
附带数据集
从结构图可以得知：
LeNet卷积神经网络的构成包括2个卷积层、2个下采样（池化）层以及3个全连接层。
进一步细化来看：
卷积层方面，采用5x5大小的卷积核，步幅设置为1，并结合激活函数。两层卷积的参数配置完全一致，包括卷积核尺寸、步幅以及激活函数。
下采样部分使用2x2的输入区域，步幅设定为2，并采取平均池化的方式进行处理。
全连接层（即BP网络）的具体结构如下：
第一层全连接层生成120个节点；
第二层全连接层生成84个节点；
第三层全连接层则生成与分类类别数量相对应的节点数目。
关于代码实现的具体流程：
训练阶段的操作步骤如下：
1：加载数据集