经典网络结构LeNet5由两个卷积层，两个池化层，两个全连接层组成。卷积核都是5×5，stride=1，池化层使用maxpoolingAlexNet模型共八层（不算input层），包含五个卷积层、三个全连接层。最后一层使用softmax做分类输出AlexNet使用了ReLU做激活函数；防止过拟合使用dropout和数据增强；双GPU实现；使用LRNVGG全部使用3×3卷积核的堆叠，来模拟更大的感受

模型评估指标一：准确率、错误率准确率：分类正确的样本除以总样本数。错误率：与正确率相反，分类错误的样本除以总样本数。二：混淆矩阵三： 召回率、精确率召回率：精确率：四：P-R曲线、平均精度（AP）、F指标P-R曲线平均精度（AP）F指标（F-MeasureF-Measure）F1指标（F1-Measure）五：受试者工作特征曲线（Receiver Operating Characteristic，

经典网络结构LeNet5由两个卷积层，两个池化层，两个全连接层组成。卷积核都是5×5，stride=1，池化层使用maxpoolingAlexNet模型共八层（不算input层），包含五个卷积层、三个全连接层。最后一层使用softmax做分类输出AlexNet使用了ReLU做激活函数；防止过拟合使用dropout和数据增强；双GPU实现；使用LRNVGG全部使用3×3卷积核的堆叠，来模拟更大的感受

经典网络结构LeNet5由两个卷积层，两个池化层，两个全连接层组成。卷积核都是5×5，stride=1，池化层使用maxpoolingAlexNet模型共八层（不算input层），包含五个卷积层、三个全连接层。最后一层使用softmax做分类输出AlexNet使用了ReLU做激活函数；防止过拟合使用dropout和数据增强；双GPU实现；使用LRNVGG全部使用3×3卷积核的堆叠，来模拟更大的感受