LeNet-5网络架构的特点和意义
请介绍LeNet-5的经典架构（1998年），包括每层的参数配置和其在深度学习史上的意义。
回答
苦行僧
LeNet-5由Yann LeCun提出，用于手写数字识别(MNIST)。架构：输入32×32→C1(6个5×5卷积)→S2(2×2平均池化)→C3(16个5×5卷积)→S4(2×2平均池化)→C5(120个5×5卷积)→F6(84全连接)→输出(10维Softmax)。特点：(1)卷积-池化-全连接的经典结构雏形。(2)使用Tanh激活函数。(3)每个卷积层后接Subsampling(池化)。历史意义：(1)奠基性工作——首次证明CNN在有监督任务中的强大能力。(2)被美国邮政系统实际用于支票识别。(3)为后续AlexNet/VGG/ResNet奠定基础。虽简单但包含了CNN所有核心要素。