★
Menü
Startseite So wird es gebaut Watchlist Der Stack
Hardware ChipsChips vergleichen Server & SystemeNetzwerk ArbeitsspeicherFoundries & Packaging Kühlung
Anlagen RechenzentrenStrom ProjekteCloud & GPU-Computing
Intelligenz KI-ModelleSoftware KI-ProdukteBenchmarks ForschungspapiereDatensätze Konzepte
Ökosystem UnternehmenAktien PersonenTimeline TrendsZukunft der KI
Lernen Nachrichten Daten befragen KI-Agenten
Über Über uns Methodik Daten & API Haftungsausschluss
Optionen
DATEN & API

Kostenloser, lesender JSON-Zugriff auf die zwischengespeicherten Daten der Website.

Dunkelmodus

Geführte Ansicht
Neu bei Chips, Rechenzentren und Modell-Fachbegriffen? Wir erklären wichtige Begriffe beim Stöbern in verständlicher Sprache. Dieselben Daten, mit integrierter Hilfe.

Expertenansicht
Sie kennen die Materie bereits. Nur die Daten: übersichtlich, schnell und kompakt, ohne zusätzliche Erklärungen. Das ist die Standardansicht.

Oberflächensprache
‹ Zurück
Startseite › Forschungspapiere › AlexNet (2012)

AlexNet (2012)

Forschungspapier Architektur-Überraschung

The ImageNet result that started the deep-learning era — on two gaming GPUs.

Sie sehen einen Forschungspapier-Eintrag: ein wegweisendes Paper und was es dem Fachgebiet gebracht hat.

Krizhevsky, Sutskever and Hinton halved the ImageNet error rate with a convolutional network trained on two consumer NVIDIA GTX 580s — the moment that proved GPUs + data + depth beats hand-engineering, redirected the field, and incidentally set NVIDIA on its current path. Every GPU cluster in this database descends from that dorm-room-scale rig.

So hängt das mit dem Rest des Stacks zusammen

Die Verknüpfungen dieses Datensatzes auf einen Blick – klicken Sie auf eine Gruppe, um dorthin zu springen.

Trainingsdaten umfassen

Quellen

AlexNet paper ↗

Datensatz geprüft am 2026-01-15 — Siehe Methodik.