基于存算一体编程框架的LeNet-5神经网络推理CIFAR10数据集准确率数据

LeNet-5是常见的图像分类算法，该网络由两层卷积层以及三层全连接层组成，具体为：卷积层1：共16个5*5卷积核，带有2*2最大池化，使用ReLU作为激活函数；卷积层2：共32个5*5卷积核，带有2*2最大池化，使用ReLU作为激活函数；全连接层1：共120个神经元，使用ReLU作为激活函数；全连接层2：共84个神经元，使用ReLU作为激活函数；输出层：共10个神经元。CIFAR-10负载包含60,000张32x32像素的彩色图像，分为10个类别。测试集包含10,000张图像。依据测试大纲中的测试方法、用例以及步骤在本课题的存算一体编程框架下测量int8的LeNet-5神经网络推理CIFAR10数据集的准确率。

搜集汇总

背景与挑战

背景概述

该数据集记录了在存算一体编程框架下，使用int8精度的LeNet-5神经网络对CIFAR-10图像数据集进行推理的准确率结果。LeNet-5网络包含两层卷积层和三层全连接层，CIFAR-10数据集包含60,000张32x32像素的彩色图像，分为10个类别。测量过程依据测试大纲，旨在评估该框架下的推理性能。