AlexNet论文逐段精读

[@shifangxu1054]

温故而知新。时至今日，重读AlexNet论文，重看李沐老师的解读，仍然能够得到新的感悟。

[@tony_0878]

2:19 第一章 : 介紹
2:43 1.1 深度學習開場白
4:45 1.2 用CNN作影像識別
5:49 1.3 GPU已經算得動CNN
6:10 1.4 論文貢獻
9:26 1.5 GPU與相關工作
10:11 第二章：數據集（與前處理）
14:19 第三章：網路架構
14:47 3.1 用ReLU跑比較快
18:16 3.2 多GPU訓練(技術問題)
19:12 3.3 Local Response Normalization
20:58 3.4 池化層改動
21:52 3.5 總架構:5個捲積層，3個全連接層
(未完)

[@shifangxu1054]

读论文不只是了解技术细节，更重要是吸收不同作者的观点，最终形成自己独特的观点。

[@iceleaf97]

感謝老師的分享，真的實在是太受用了!

[@yongcai6883]

很喜欢。必须感谢老师的工作

[@babycarrot5523]

感谢论文带读，学到很多看论文方法

[@xinwang6125]

很喜欢这种深刻的阅读论文的方式，希望放出更多的video

[@tildarusso]

听到沐神也承认一些不常用东西细节记不住（比如sift，或者是那个transformer的奇怪position embedding）我就放心了，说明并非我特别蠢。很多东西当时理解，但不去动手尝试的话很快就忘光了。

[@ipip247]

完美了补充学校的课程和工作之间的gap

[@fanfan196]

谢谢老师，受益匪浅。

[@cc189tv]

很喜欢这个系列！授之以渔！

[@annieren6823]

谢谢老师。求带读“Multilayer feedforward networks are universal approximators”

[@techbays675]

非常感谢， 受益良多

[@muyuanliu3175]

领读很好，文章还是要自己看

[@ikarienator]

BN, LN 不算是 regularization 吗？

[@techbays675]

大佬 可以讲讲 Network in Network 这篇论文吗

[@gabelliemann322]

回头看，模型切割放在GPU就是现在LLM的情况，实属远见

[@liangyuzhong1636]

其实580基本是当年最强显卡了，除了590。

[@wsy987]

他们发论文的时候，680已经发布3个月了

[@yiweiru2148]

沐神用的是哪个PDF阅读器？

[@bettyw2309]

Goodnotes