AlexNet
2012年ImageNet竞赛中由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton提交的深度卷积神经网络，将图像识别错误率从26%降至15.3%，是深度学习历史上的标志性转折点，首次大规模将GPU并行计算应用于神经网络训练。
核心事实
时间轴 (近 90 天)
AlexNet首次在大规模深层卷积网络中系统性地使用ReLU替代Sigmoid/Tanh，使训练深层网络变得可行并提升训练速度数倍。
原论文的编码器取自 AlexNet 的前五个卷积层加池化层，一张 227×227 的输入会变成 6×6×256 的表示
2012年AlexNet引发了计算机视觉领域的范式转变
2012年AlexNet在ImageNet竞赛上的突破性胜利建立在CUDA加速之上
2012年AlexNet在ImageNet竞赛（ILSVRC）中将Top-5错误率从25.8%降至16.4%，使用两块NVIDIA GTX 580 GPU训练
AlexNet采用8层深度卷积神经网络架构，利用GPU加速训练，将Top-5错误率从前一年的25.8%降至15.3%
Geoffrey Hinton于2012年在多伦多大学指导开发的AlexNet模型在ImageNet图像识别挑战赛中取得突破
2012年，Hinton与学生Alex Krizhevsky和Ilya Sutskever开发的AlexNet模型在ImageNet竞赛中取得突破性成绩
1998年LeCun的LeNet-5用于识别手写数字，2012年AlexNet在ImageNet竞赛上引爆深度学习革命
2012年Alex Krizhevsky等人使用AlexNet在ImageNet竞赛中将top-5错误率从26%降低到15.3%，该突破基于两块GTX 580显卡的CUDA加速训练实现
还有 1 条时间轴事件
全部知识事实 (15)
2012年AlexNet在ImageNet大规模视觉识别挑战赛（ILSVRC）中以超出第二名近11个百分点的优势夺冠，将Top-5错误率从26%降至15.3%
90%已验证AlexNet在ImageNet竞赛中夺冠正式开启了深度学习时代
80%已验证2012年，Hinton团队的AlexNet在ImageNet竞赛中以压倒性优势夺冠
80%待验证AlexNet首次在大规模深层卷积网络中系统性地使用ReLU替代Sigmoid/Tanh，使训练深层网络变得可行并提升训练速度数倍。
50%待验证原论文的编码器取自 AlexNet 的前五个卷积层加池化层，一张 227×227 的输入会变成 6×6×256 的表示
50%待验证2012年AlexNet引发了计算机视觉领域的范式转变
50%待验证2012年AlexNet在ImageNet竞赛上的突破性胜利建立在CUDA加速之上
50%待验证2012年AlexNet在ImageNet竞赛（ILSVRC）中将Top-5错误率从25.8%降至16.4%，使用两块NVIDIA GTX 580 GPU训练
50%待验证AlexNet采用8层深度卷积神经网络架构，利用GPU加速训练，将Top-5错误率从前一年的25.8%降至15.3%
50%待验证Geoffrey Hinton于2012年在多伦多大学指导开发的AlexNet模型在ImageNet图像识别挑战赛中取得突破
50%待验证1998年LeCun的LeNet-5用于识别手写数字，2012年AlexNet在ImageNet竞赛上引爆深度学习革命
50%待验证2012年Alex Krizhevsky等人使用AlexNet在ImageNet竞赛中将top-5错误率从26%降低到15.3%，该突破基于两块GTX 580显卡的CUDA加速训练实现
50%待验证CNN架构从LeNet-5到AlexNet（2012）、VGGNet（2014）、GoogLeNet/Inception（2014）、ResNet（2015），再到EfficientNet和ConvNeXt经历了演进过程
50%待验证AlexNet由Krizhevsky、Sutskever与Hinton提出，并于2012年在ImageNet大规模视觉识别挑战赛(ILSVRC)上夺冠
50%待验证2012年，Hinton与学生Alex Krizhevsky和Ilya Sutskever开发的AlexNet模型在ImageNet竞赛中取得突破性成绩
50%