title: AlexNet论文精读 tags:

module
research
deep-learning
paper-reading
joplin type: module source_type: reconstructed created: 2026-04-23 updated: 2026-04-23 ---

AlexNet论文精读

[!abstract] 这一模块把 AlexNet 作为深度学习奠基作来复习。重点不是历史情怀，而是理解它为什么能成为卷积神经网络进入主流的标志性工作。

模块结论

[[AlexNet]] 的关键价值在于把更深的卷积网络、ReLU、Dropout、数据增强和 GPU 训练组织成一个能显著提升 ImageNet 表现的整体方案。
它解决的不是“发明 CNN”，而是“让深层 CNN 真正在大规模视觉任务上取得突破”。

一、它在解决什么问题

当时的视觉任务仍 heavily 依赖手工特征。
深层网络难训练、计算资源受限、过拟合严重。
AlexNet 的突破在于同时解决表达能力和训练可行性问题。

二、核心结构创新

更深的卷积层堆叠
ReLU 激活
局部响应归一化
Dropout
数据增强

三、为什么它重要

它把深度学习从“可研究”推进到“可实证压制传统方法”。
后续很多视觉模型的主线都可追溯到这篇工作。

四、论文精读时应该抓什么

结构设计和当时问题之间的对应关系。
训练技巧为什么对当时尤为关键。
它解决了什么，没有解决什么。

五、复习提问

AlexNet 的真正突破点是什么？
为什么说它是方法组合的系统性胜利？
它和后来的 ResNet 在“深层网络”问题上有什么连续与差异？

来源

[[raw/Joplin/研究生生涯/研究生论文精读/【P2】重读深度学习奠基作之一：AlexNet上.pdf.md]]
[[raw/Joplin/研究生生涯/研究生论文精读/【P3】重读深度学习奠基作之一：AlexNet下.pdf.md]]

相关页面

[[研究生论文精读]]
[[AlexNet]]
[[ResNet论文精读]]
[[深度学习]]