★
Menu
Home Come viene costruito Watchlist Lo stack
Hardware ChipConfronta chip Server e sistemiNetworking MemoriaFonderie e packaging Raffreddamento
Strutture Data centerEnergia ProgettiCloud e calcolo GPU
Intelligenza Modelli AISoftware Prodotti AIBenchmark Articoli di ricercaDataset Concetti
Ecosistema AziendeAzioni PersoneTimeline TendenzeFuturo dell'IA
Formazione Notizie Interroga i dati Agenti IA
Info Chi siamo Metodologia Dati & API Avvertenza
Opzioni
DATI & API

Accesso JSON gratuito in sola lettura ai dati in cache del sito.

Modalità scura

Vista guidata
Nuovo al gergo di chip, data center e modelli? Spieghiamo i termini chiave mentre navighi, in modo chiaro e accessibile. Gli stessi dati, con il supporto integrato.

Vista esperto
Conosci già il settore. Solo i dati: chiari, rapidi e compatti, senza spiegazioni aggiuntive. Questa è la visualizzazione predefinita.

Lingua dell'interfaccia
‹ Indietro
Home › Articoli di ricerca › AlexNet (2012)

AlexNet (2012)

Articolo di ricerca Architettura

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

Stai visualizzando un record di paper di ricerca: un articolo di riferimento e cosa ha introdotto nel 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.

Come si collega al resto dello stack

I collegamenti di questa scheda a colpo d'occhio — clicca un gruppo per raggiungerlo.

I dati di addestramento includono

Fonti

AlexNet paper ↗

Record revisionato al 2026-01-15 — vedi Metodologia.