该项目主要实现卷积神经网络Lenet-5 的训练（Python+Kreas+Jupyter Notebook）和推理C语言实现(C+Visual Studio2013) 项目特点：① 卷积参数，如输入宽、输入高、输入通道数、输出通道数、卷积核的大小、步幅大小、pad（1是进行补边,0是不补边）,激活函数（1是relu,0是softmax）等可调，通用性比较强。②全连接使用卷积运算实现。③池化采用最大池化。④SAME padding。
工程的实现主要分为两部分： 第一部分是在python训练Lenet-5-MNIST模型 0.环境：Python+Kreas+Jupyter Notebook 1.Lenet-5网络搭建模型，训练、保存模型。 （train.ipynb） 2.手写字体预测。通过画图工具获得手写字体，并进行模型推理得到预测结果。 （test.ipynb） 3.提取网络模型每一层的参数（权重和bias），保存为.bin文件。 （get_layers_weight.ipynb） 4.提取测试图片在网络每一层中 的输出结果。（便于在后续c语言实现中对比结果，验证程序的正确性）（get_layer_output.ipynb） 5.将图片转为.bin格式，包括图片的宽高大小、通道数和像素值（image2array.py）
第二部分工作是网络前向推理C实现 0.环境：C+Visual Studio2013 1.主函数main.cpp，主函数类似于python中模型搭建，在主函数中调用各个层的的函数，完成向前传播的过程。 2.minst.cpp，主要定义了图片和标签结构体、图片读取，权重和偏置读取函数。 3.cnn.cpp，定义了卷积层，池化层，flatten层函数，以便在主函数中调用。 4.根据需要修改网络结构，以及数据存放位置。 5.直接运行就可以了