先说结论
用LeNet-5跑MNIST分类，代码层面确实简单，但真正耗时的是数据预处理、调参和防止过拟合，这些隐性成本往往被低估。
CNN在图像分类上优势明显，但LeNet-5这种简单架构只适合小尺寸、低复杂度的任务，比如MNIST；面对真实世界的图像，需要更深的网络和大量数据。
实战中，Dropout、ReLU、批量归一化这些技巧能提升效果，但引入它们也会增加模型复杂度和训练时间，需要权衡收益与代价。
从个人开发者视角，拆解用经典CNN跑通一个简单任务的真实成本与适用边界，而不是只讲操作步骤。
深度学习火了这么多年，卷积神经网络（CNN）几乎是入门必学。但很多教程一上来就堆概念、贴代码，好像跟着敲一遍就能搞定图像分类。真这么简单吗？
如果你试过用LeNet-5跑MNIST手写数字分类，可能觉得：代码不就几十行，数据也是现成的，跑起来准确率轻松过98%。这有什么好聊的？
问题恰恰在这里。LeNet-5和MNIST组合，太“干净”了。干净到容易让人忽略实战中的真实成本。比如，数据要不要增强？模型会不会过拟合？调参到底调哪里？这些隐性付出，往往比写那几行代码耗时得多。
为什么还要聊LeNet-5和MNIST？
因为它是CNN的“最小可行产品”。就像学编程先写Hello World，LeNet-5让你用最低成本理解卷积、池化、全连接怎么串联。但它的价值不止于此。通过这个简单案例，你能看清CNN的底层逻辑，以及当任务变复杂时，哪些地方会先崩掉。
如果只停留在跑通代码，那收获有限。真正该问的是：这套流程里，哪些步骤可以复用？哪些一换数据集就失效？
拆解LeNet-5：从原理到代码的隐性成本
LeNet-5结构很简单：两个卷积层，两个池化层，三个全连接层。用TensorFlow搭出来，代码确实短。但隐性成本藏在细节里。
比如卷积层的padding设置。教程里常用VALID，也就是不填充。这意味着每做一次卷积，特征图尺寸就会缩小。在MNIST上，28x28的图，经过两层5x5卷积和池化，到全连接层时尺寸已经很小了。如果换成更大的图像，或者想保留更多空间信息，就得用SAME填充，或者调整卷积核大小、步长。
这还不是最麻烦的。更头疼的是参数初始化、激活函数选择。LeNet-5原版用tanh，现在主流是ReLU。为什么换？因为ReLU能缓解梯度消失，训练更快。但ReLU也有问题，比如神经元可能“死亡”。要不要换？换了效果一定更好吗？不一定，得试。
这些选择，每做一个，都是时间。
跑通MNIST分类，到底花了什么代价？
假设你按教程走：加载MNIST，归一化，加通道维度，独热编码，编译模型，训练10轮。代码跑起来，可能几分钟就出结果。准确率98%以上，看起来很美。
但代价呢？
首先是数据代价。MNIST太规整了。数字居中，背景干净，类别均衡。真实世界的图像，比如医疗影像、街景照片，往往噪声大、目标小、类别不平衡。直接套LeNet-5，大概率扑街。这意味着你得花大量时间做数据清洗、增强、平衡。这部分工作，教程里通常一笔带过，实战中却可能占掉70%的精力。
其次是计算代价。LeNet-5参数量小，在CPU上也能跑。但如果你要处理高分辨率图像，或者用更深的网络，就得考虑GPU。GPU时间不免费，尤其是调参时需要反复训练。更别说部署时的资源开销了。
还有时间代价。调参是个无底洞。学习率设多少？批量大小用32还是64？Dropout率调0.2还是0.5？每个参数都可能影响结果，而找到最优组合，往往需要多次实验。这个过程，自动化工具能帮点忙，但最终还得靠人工判断。
过拟合与优化：那些不得不做的权衡
LeNet-5在MNIST上容易过拟合。训练集准确率冲到99%，验证集却卡在98%。怎么办？教程里提到加Dropout层。这确实有用，随机丢弃神经元，防止模型死记硬背。
但Dropout不是免费的。它增加了模型不确定性，训练时loss曲线可能更震荡。而且，Dropout率设多少，得试。设低了，效果不明显；设高了，模型可能学不动。这又是一个权衡。
除了Dropout，还有批量归一化。它能让每层输入分布稳定，加速训练。但批量归一化也引入额外参数和计算量，在小批量数据上可能效果反而差。用不用？看情况。
优化技巧还有很多：学习率衰减、权重正则化、早停法。每个技巧都能提升一点性能，但也都增加复杂度。实战中，往往不是把所有技巧都堆上去，而是先选一两个最可能见效的，快速验证。
这里其实不完美。很多优化方法需要经验判断，新手容易要么不敢用，要么滥用。
LeNet-5的边界：它到底能解决什么，不能解决什么？
LeNet-5能解决MNIST，是因为任务简单。28x28的灰度图，10个类别，差异明显。但它的边界很清晰。
第一，输入尺寸限制。LeNet-5设计时假设输入是32x32，MNIST用28x28，稍作调整就行。但如果换成224x224的ImageNet图像，就得大改网络结构，或者加更多池化层。这已经超出LeNet-5的原始设计范畴。
第二，特征提取能力有限。两个卷积层，只能捕捉低级特征（边缘、纹理）。对于需要高级语义的任务（比如物体检测、语义分割），LeNet-5远远不够。现代CNN如ResNet、Inception，通过深度残差、多尺度卷积等机制，才能处理复杂特征。
第三，数据依赖性。LeNet-5在小数据集上表现尚可，但数据量一大，或者类别一多，性能很快饱和。这意味着它不适合大数据场景。
所以，LeNet-5的价值在于教育和快速原型验证。用它跑通一个简单任务，验证想法是否可行。但如果真要落地，几乎肯定要换更强大的架构。
如果按这个方向做，下一步该怎么走？
假设你用LeNet-5跑通了MNIST，准确率98%。接下来怎么办？
更现实的做法是，换一个稍难的数据集，比如CIFAR-10（32x32彩色图像，10类物体）。还是用LeNet-5，但调整输入通道数（从1变成3），可能再加一两个卷积层。看看准确率降到多少。这个过程能让你直观感受任务复杂度如何影响模型性能。
然后，引入数据增强。随机裁剪、旋转、翻转。观察增强后，模型泛化能力是否提升。这里会涉及更多参数调试，比如增强幅度、概率。
如果效果还是不够，再考虑换网络。比如用VGG、ResNet的简化版。注意，这些网络参数量大，需要更多数据和计算资源。如果条件有限，可能得先在小规模数据上做迁移学习。
站在个人开发者视角，我会先验证数据质量。很多时候，模型性能瓶颈不在架构，而在数据。清洗、增强、平衡，这些基础工作做扎实了，哪怕用LeNet-5，也能解决不少实际问题。
当然，如果资源充足，直接上现代架构也没问题。但前提是，你得清楚为什么换，以及换了之后，代价是什么。
CNN实战，从来不是一套固定流程。它是一系列权衡：简单与复杂，速度与精度，资源与效果。LeNet-5和MNIST，只是这个权衡的起点。看清起点，才能走得更稳。
最后留一个讨论点
如果你是一个刚入门深度学习的开发者，手头有一个简单的图像分类任务（比如区分猫狗），你会选择直接用LeNet-5这种经典CNN快速验证，还是直接上ResNet、EfficientNet等现代架构？为什么？
