一句话导读
让深度学习一鸣惊人的经典网络，点燃AI热潮
论文信息
| 英文原名 | ImageNet Classification with Deep Convolutional Neural Networks |
| 中文常用名 | AlexNet |
| 作者 | Krizhevsky, Sutskever, Hinton |
| 发表年份 | 2012 |
| 出处 / 获取 | NeurIPS 2012 |
| 所属专题 | 经典网络架构 |
本文为 AI泡泡堂 经典 AI 文献栏目收录，信息经公开渠道核验。若需引用请以原论文为准。
详细解读（中文）
一、论文背景：2012 年之前，图像识别主流是手工特征（SIFT、HOG）+ 传统机器学习分类器。深度学习虽在学术界有积累，但缺乏在大规模数据上的决定性证明，多数研究者仍持观望态度。
二、核心创新：论文构建了一个 8 层深度卷积神经网络（5 个卷积层 + 3 个全连接层，约 6000 万参数），在 ImageNet 120 万张图像上进行大规模监督训练，一举将 ILSVRC-2012 图像分类 top-5 错误率从 26.2% 压低到 15.3%，远超所有传统方法。这是深度学习在图像领域”一战封神”的标志性成果。
三、关键技术细节：① 提出 ReLU 激活函数加速训练（比 tanh 快数倍）；② 采用重叠最大池化、局部响应归一化（LRN）增强泛化；③ 大规模使用数据增强（随机裁剪、水平翻转、PCA 颜色抖动）；④ 用 Dropout（0.5）抑制过拟合；⑤ 利用两块 GTX 580 GPU 做模型并行训练，开创”按通道切分网络到多卡”的先河；⑥ 训练使用动量 SGD，学习率衰减策略。
影响与后续发展
AlexNet 是深度学习引爆 AI 复兴的标志性论文：它证明了”大数据+大模型+GPU 并行”的威力，直接推动 GPU 深度学习生态（CUDA、cuDNN）与框架（Caffe、PyTorch）的繁荣。此后 CNN 架构快速演进（VGG、GoogLeNet、ResNet），ImageNet 竞赛成为深度学习的”奥运会”。
查看原始论文（权威链接）
英文原文摘要（Original Abstract，节选）
We trained a large, deep convolutional neural network to classify the 1.2 million high-resolution images in the ImageNet LSVRC-2010 contest into the 1000 different classes. To the best of our knowledge, these results surpass the previous state-of-the-art on this dataset. Our network achieved a top-5 error rate of 15.3% on the ILSVRC-2012 validation set, significantly better than the best previous result of 26.2%. This work is considered a landmark that ignited the modern deep learning era.
提示：以上英文摘要为原文节选，完整论文请通过上方权威链接查看（原始论文版权归原作者/出版方所有）。