LeNet-5架构
LeNet-5的结构：
输入图像为32x32大小
第一层卷积层，标记为C1层次，Kernel Size = 5 x 5, 步长为１，无填充，６个Channel，这一层可以写为：
- C1: 5 x 5 x 6 --> 28 x 28 x 6
第二层为下采样层次，标记为S2, 采用2x2池化，那么我们将这一层记为：
- S2: 2 x 2 --> 14 x 14 x 6
第三层为卷积层，我们将其标记为C3，Kernel size = 5 x 5，同样没有填充，16个Channel，可以标记为：
- C3: 5 x 5 x 16 --> 10 x 10 x 16。
第四层为下采样层，标记为S2, 采用2x2池化，这一层，我们标记为:
- S4: 2 x 2 --> 5 x 5 x 16
第五层为卷积层，kernel size=5x5，步长为1，无填充，120个Channel：
- C5: 5 x 5 x 120 --> 1 x 1 x 120
第六层为全连接层，
- F6：120 x 86 ---> 86
第七层为输出层，仍然全连接
- F7：86--> 10
下面这个网址，对LeNet进行了可视化（实现稍有不同）
http://scs.ryerson.ca/~aharley/vis/conv/
