读论文1（AlexNet）——ImageNet Classification with Deep Convolutional Neural Networks

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.3k累计阅读 1.3k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄7年

关注

原创最新推荐文章于 2026-05-30 13:57:57 发布 1.3k 阅读 AI 写同款· GEO 优化 ›

Alexnet论文介绍（超详细）——ImageNet Classification with Deep Convolutional Neural Networks 阅读详情

2021年10月初看的。

在这里插入图片描述

收录于

读本专业论文

当前文章被收录于：

读本专业论文

6 篇文章 5 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#神经网络

AlexNet论文翻译（中英文对照版）-ImageNet Classification with Deep Convolutional Neural Networks ImageNet Classification with Deep Convolutional Neural Networks 深度卷积神经网络的ImageNet分类 Alex Krizhevsky University of Toronto 多伦多大学 kriz@cs.utoronto.ca Ilya Sutskever Univ... 阅读详情

相关推荐

ImageNet Classification with Deep Convolutional Neural Network 论文笔记与复现（AlexNet Colab+Keras TB可视化)）

本文用于记录阅读论文ImageNet Classification with Deep Convolutional Neural Networks中总结有价值的点。文章目录0 Abstract1 Introduction2 The Dataset3 The Architecture3.1 ReLU Nonlinearity3.2 Training on Multiple GPUs 0 Abstr...

CJ-的博客 3818

【论文阅读】ImageNet Classification with Deep Convolutional Neural Networks

做了什么-效果很好像技术报告parameter 参数neurons 神经元non-saturating 非饱和regularization method 正则化variant n. 变种。

2301_79641739的博客 1978

AlexNet 经典论文阅读报告 -ImageNet Classification with Deep Convolutional Neural Networks 文献综述

ImageNet Classification with Deep Convolutional Neural Networks 文献综述阅读时间：2021年10月15日论文基本信息作者在当时借助这篇论文提出了AlexNet ,奠定了深度学习在计算机视觉领域中的地位。 AlexNet被认为是计算机视觉领域最有影响力的论文之一，它刺激了更多使用卷积神经网络和GPU来加速深度学习的论文的出现[17]。截至2020年，AlexNet论文已被引用超过54,000次。 --

Sail的博客 4258

论文笔记：ImageNet Classification with Deep Convolutional Neural Networks（AlexNet）

一、基本信息标题：ImageNet Classification with Deep Convolutional Neural Networks 时间：2012 出版源：Neural Information Processing Systems (NIPS) 论文领域：深度学习，计算机视觉引用格式：Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[C

upup 1万+

麒麟操作系统安装达梦数据库ARM版

Linux安装达梦数据库ARM版

运维@小兵的博客 8769

JESD204B系统设计实战：如何用SYSREF信号搞定多设备时钟同步（附时序图详解）

本文深入探讨了JESD204B系统中SYSREF信号在多设备时钟同步中的关键作用与实现技巧。通过详细分析SYSREF信号的生成、PCB布局和时序调整，提供了一套完整的解决方案，帮助工程师解决高速数据转换器与FPGA协同工作中的时钟同步问题。文章还包含时序图详解和实测调试技巧，助力提升系统性能。

weixin_29313239的博客 454

AlexNet论文：ImageNet Classification with Deep Convolutional Neural Networks

To make training faster, we used 非饱和神经元 + GPUTo reduce overfitting过拟合 in the fully connected layers we employed a recently developed regularization正则化 method called “dropout”

m0_63855028的博客 1440

MicroLogix1400编程（使用RSLogix 500 + RSLinx Classic Lite）

MicroLogix1400编程

noscallion的博客 1万+

重读经典：《ImageNet Classification with Deep Convolutional Neural Networks》

9年后重读深度学习奠基作之一：AlexNet【下】【论文精读】

10点43的博客 6189

避坑指南：你的VASP CI-NEB计算为什么不收敛？常见错误分析与解决思路

本文深入解析VASP CI-NEB计算不收敛的常见问题，提供从结构准备到参数设置的系统解决方案。针对过渡态计算中的能量曲线异常、中间图像偏离等典型问题，详细介绍了诊断方法和实用工具，帮助研究者高效解决CI-NEB收敛难题，提升计算效率。

weixin_29698641的博客 431

【第三方互联】3、腾讯QQ授权第三方登录

当我们创建的 QQ 互联应用成功后，我们便可以开始使用该应用来实现 QQ 互联一、获取 APP ID 和 APP Key 1、找到我的应用 2、点击应用，进入详情这样，我们就获取到了 APP ID 和 APP Key 二、进行开发 1、将 APP ID 、APP Key，以及该应用的信息放入项目中的配置文件中，我使用的是SpringBoot，我放在了 application.y...

JACKAL 22万+

《ImageNet Classification with Deep Convolutional Neural Networks》论文研读及AlexNet代码实现

weixin_45703331的博客 1653

【AI工具】Browser use搭建及使用的保姆级教程：让AI帮你自动操作浏览器

funfan的博客 2535

Python----经典神经网络（《ImageNet Classification with Deep Convolutional Neural Networks》论文和AlexNet网络构建）

《ImageNet Classification with Deep Convolutional Neural Networks》这篇论文介绍了一种大型深度卷积神经网络，用于将ImageNet LSVRC-2010竞赛中的120万张高分辨率图像分为1000个不同的类别 [cite: 1, 2, 3]。该网络在测试数据上取得了显著优于现有技术水平的结果，top-1和top-5的错误率分别为37.5%和17.0% [cite: 2]。

weixin_64110589的博客 2158

基于YOLOv10深度学习的花生种子霉变检测系统

YOLO（You Only Look Once）是当前最先进的目标检测算法之一，具有快速、精准的特性。YOLOv10是YOLO系列的最新版本，相较于之前的版本，YOLOv10在特征提取、模型精度和速度上都有了显著的提升。YOLOv10采用了更深的卷积神经网络、更多的跨层特征融合方法，使得其在不同尺寸物体的检测和复杂场景的处理上都表现出了优异的性能。YOLOv10特别适合应用在需要快速处理并检测大量图像的任务中，如花生种子霉变检测等，能够实现精准、高效的检测。

2201_76125393的博客 648

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

AlexNet论文解析—ImageNet Classification with Deep Convolutional Neural Networks

摘要进行解读1.在ILSVRC-2010的120万张图片上训练深度卷积神经网络，获得最优结果，top-1和top-5error分别为37.5%，17%2.该网络（AlexNet）由5个卷积层和3个全连接层构成，共计6000万参数，65万个神经元3.为加快训练，采用非饱和激活函数一一ReLU，采用GPU训练4.为减轻过拟合，采用Dropout5.基于以上模型及技巧，在ILSVRC-2012以超出第二名10.9个百分点成绩夺冠。快速的泛读论文，确定文章的小标题结构TheDataset。

xiaoxu的博客 2441

OV9734 DATASHEET，完整规格书

OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等

ImageNet Classification with Deep Convolutional Neural Networks(AlexNet)

题目：使用深度卷积神经网络进行ImageNet分类作者：Alex Krizhevsky, Ilya Sutskever Geoffrey E.Hinton Abstract(摘要) 我们训练了一个大型深度卷积神经网络，将ImageNet...

励志的小胡子 6016

假人有限元模型

假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

【CV论文精读】【AlexNet】ImageNet Classification with Deep Convolutional Neural Networks

我们训练了一个大型深度卷积神经网络，将ImageNet LSVRC-2010竞赛中的120万张高分辨率图像分为1000个不同的类别。在测试数据上，我们分别实现了37.5%和17.0%的top-1和top-5错误率，这比以前的技术水平好得多。该神经网络拥有6000万个参数和65万个神经元，由五个卷积层组成，其中一些层后面是最大池化层，三个完全连接的层最终具有1000路softmax。为了让训练更快，我们使用了非饱和神经元和非常高效的GPU实现卷积运算。

weixin_44184852的博客 1661

深度学习爆发点AlexNet来源论文《ImageNet Classification with Deep Convolutional Neural Networks》读后总结

深度学习爆发点AlexNet来源论文《ImageNet Classification with Deep Convolutional Neural Networks》读后总结前言文章主要内容与贡献大量的样本卷积和池化反向传播ReLU激活函数dropout数据增强GPU加速的实现AlexNet网络结构解析前言这是一些对于论文《ImageNet Classification with Deep C...

yzqlyzql的博客 1386

论文《ImageNet Classification with Deep Convolutional Neural Networks》阅读及AlexNet的Tensorflow2复现

AlexNet的Tensorflow实现论文阅读模型原理代码复现定义卷积层定义LRN层数据预处理读取数据对数据进行shuffle和batch操作：定义模型模型训练测试总结论文阅读这周阅读了Hinton和他的学生Alex的经典论文《ImageNet Classification with Deep Convolutional Neural Networks》，总结亮点包括如下几部分：提出了ReLU激活函数（ReLU, Rectified Linear Unit, 修正线性单元），ReLU(x)=max

xingzhe123456789000的博客 825

【深度学习系列--经典论文解读】ImageNet Classification with Deep Convolutional Neural Networks

AlexNet是深度学习的里程碑式论文，开创了计算机视觉的新时代。该论文提出的深度卷积神经网络在2012年ImageNet比赛中以15.3%的错误率远超传统方法（26.2%），主要创新包括：使用ReLU激活函数加速训练、Dropout防止过拟合、GPU并行计算解决显存限制、数据增强提升泛化能力。虽然存在计算成本高、LRN效果有限等局限，但其深度架构设计理念（5卷积层+3全连接层）和训练方法为后续VGG、ResNet等模型奠定了基础，推动了从手工特征向数据驱动学习的范式转变。

m0_68266123的博客 2200

AlexNet论文(ImageNet Classification with Deep Convolutional Neural Networks)(译)

前言最近一直比较忙，总算才有时间看点深度学习的论文。这篇论文是大神Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton三人提出的AlexNet深度卷积神经网络，摘得了2010年ILSVRC比赛的桂冠。AlexNet在现在也经常会用到，可以说是很经典的一个CNN框架了。出于学习的目的，一方面可以做笔记，一方面也可以督促自己的学习，我才打算翻译下这...

hongbin_xu的博客 12万+

AI论文整理：AlexNet -ImageNet Classification with Deep Convolutional Neural Networks

Alex Krizhevsky、Ilya Sutskever和Geoffrey E. Hinton（多伦多大学）提出的AlexNet，是一种深度卷积神经网络（CNN），旨在对ImageNet LSVRC数据集的120万张高分辨率图像进行1000类分类；其网络包含5个卷积层（部分后接最大池化层）和3个全连接层，共6000万参数、65万个神经元，核心创新包括采用ReLU非线性激活函数（加速训练）、双GPU并行训练（突破内存限制）、局部响应归一化（提升泛化）、重叠池化（降低过拟合），并通过数据增强。

极客BIM工作室 1965

论文解读与复现：Alexnet-ImageNet Classification with Deep Convolutional Neural Networks

由于我设置的学习率太大，导致随机梯度下降时已经越过最优点，loss开始上升，模型变得不可控后续如果更精准的数据的话可以减少学习率重复进行训练，可以达到一个不错的值，下面是测试集的loss，可以发现在第6个epoch的loss已经最小了，由于越过最优点，就导致loss后面不断上升。其中求和是在相同空间位置上的n个“相邻”卷积核图上进行的，N是该层中的总卷积核数。到论文的后面，就卖一下最终的结果，Alexnet的提出，是具有跨时代意义的，是使用CNN与其他机器学习的方法进行比较，并且CNN均领先近80个点。

weixin_46524818的博客 2779

上一篇：本领域的顶会和期刊

下一篇：读论文12——NeRF：Representing Scenes as Neural Radiance Fields for View Synthesis