★
Menú
Inicio Cómo se construye Lista de seguimiento El stack
Hardware ChipsComparar chips Servidores y sistemasRedes MemoriaFundiciones y empaquetado Refrigeración
Instalaciones Centros de datosEnergía ProyectosCloud y cómputo GPU
Inteligencia Modelos de IASoftware Productos de IABenchmarks Artículos de investigaciónConjuntos de datos Conceptos
Ecosistema EmpresasAcciones PersonasCronología TendenciasEl futuro de la IA
Aprender Noticias Consulta los datos Agentes IA
Acerca de Sobre nosotros Metodología Datos y API Aviso legal
Opciones
DATOS Y API

Acceso JSON gratuito de solo lectura a los datos en caché del sitio.

Modo oscuro

Vista guiada
¿Nuevo en el mundo de los chips, los centros de datos y la jerga de modelos? Explicamos los términos clave mientras navegas, en lenguaje claro. Los mismos datos, con la ayuda integrada.

Vista experta
Ya conoces el stack. Solo los datos: limpios, rápidos y compactos, sin explicaciones adicionales. Esta es la vista predeterminada.

Idioma de la interfaz
‹ Atrás
Inicio › Artículos de investigación › AlexNet (2012)

AlexNet (2012)

Artículo de investigación Sorpresa arquitectónica

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

Estás viendo un registro de artículo de investigación: un paper de referencia y qué aportó al campo.

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.

Cómo se conecta con el resto del stack

Los enlaces de esta ficha de un vistazo: haz clic en un grupo para ir directamente a él.

Los datos de entrenamiento incluyen

Fuentes

AlexNet paper ↗

Registro revisado a fecha de 2026-01-15 — ver Metodología.