现在我们常说的LeNet一般指LeNet-5，结构简单，性能优异。本文首先对LeNet-5网络结构做了简单分析，然后用pytorch搭建了该网络，同时实现了数据迭代器和一个简单的训练器并对MNIST数据集做了简单训练，观察了训练过程中损失函数以及正确率的的变化情况达到了预期效果。但训练器比较简陋，后面将会着重对训练器进行改进。

调用shiboken2时找不到某个DLL库，试了网上的卸载重装方法没有奏效。最后一次卸载完用conda装了一下PySide2，问题没了，之前都是用pip安装的。

网络做分类问题时,发现损失函数值变化十分缓慢，甚至不下降，只是来回波动。为了加快收敛速度，我给每个卷积层后面都加上了BN层。训练时损失函数值出现了较为明显的下降，模型可以正常学习！

做分类问题时，训练集准确率一直在上升，测试集的准确率确几乎没有变化！