标题：13年后，AlexNet源代码终于公开：带注释的原版

想知道AlexNet 2012年的原始代码长什么样吗？现在，机会来了！谷歌首席科学家Jeff Dean宣布，他们与计算机历史博物馆（CHM）合作，共同发布了AlexNet的源代码，并将长期保存这些代码。开放后的代码库可以在GitHub上查看。

AlexNet是一个人工神经网络，用于识别照片内容。它由多伦多大学研究生Alex Krizhevsky和Ilya Sutskever以及他们的导师Geoffrey Hinton于2012年开发。在计算机历史上，AlexNet的出现具有划时代的意义。在它出现之前，很少有机器学习研究人员使用神经网络。但在AlexNet出现后，几乎所有研究人员都会使用神经网络。

“谷歌很高兴将具有开创性意义的AlexNet项目的源代码贡献给计算机历史博物馆，”Jeff Dean说。这段代码是Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton撰写的标志性论文《ImageNet Classification with Deep Convolutional Neural Networks》的基础，该论文革新了计算机视觉领域，是有史以来被引用次数最多的论文之一。Google Scholar数据显示，AlexNet相关论文被引量已经超过17万。

除了代码本身的价值，HuggingFace联合创始人Thomas Wolf还发现，代码中的注释非常有启发性。他说，“也许真正的历史记录是AlexNet代码中每个实验配置文件末尾的实验记录注释。一个开创性的神经网络正在诞生……”

AlexNet代码的发布对于AI爱好者来说是一个宝库，这是一个向深度学习先驱学习的绝佳机会。在人工智能领域，AlexNet可谓爆发的起点。就在本周的英伟达GTC大会上，黄仁勋介绍起AI的发展历程，未来的一头是智能体、物理世界的AI，过去的一头就是AlexNet。

在2012年，来自多伦多大学的Alex Krizhevsky、Ilya Sutskever、Geoffrey Hinton等人提出了一个名为“AlexNet”的深度神经网络，赢得了2012年大规模视觉识别挑战赛ImageNet的冠军。三位都是AI领域的权威人物。Geoffrey Hinton被誉为“深度学习之父”，Ilya Sutskever是OpenAI的联合创始人及前首席科学家，Alex Krizhevsky则是CIFAR-10和CIFAR-100数据集的创建者。

在描述当年的AlexNet项目时，Geoffrey Hinton总结道：“Ilya认为我们应该做这件事，Alex让它成功了，而我获得了诺贝尔奖。”

在ImageNet竞赛中，参赛者需要完成一个名为“object region”的任务。在当年的比赛中，AlexNet的表现颇具颠覆性，团队首次使用了一种名为卷积神经网络（CNN）的深度学习架构，并充分利用了英伟达GPU的能力。由于表现过于惊艳，之后几年的ImageNet挑战赛冠军都沿用了CNN。

AlexNet的论文被2012年的NeurIPS大会接收并发表，起初也受到了一些计算机视觉研究者的质疑，但Yann LeCun宣布这是人工智能发展的转折点。后来发生的事情我们也都知道了：在AlexNet之前，几乎没有一篇领先的计算机视觉论文使用神经网络。在它之后，几乎所有论文都会使用神经网络。

这是计算机视觉史上的一个关键时刻，也激发了人们将深度学习应用于其他领域（如自然语言处理、机器人、推荐系统）的兴趣。

AlexNet源代码顺利发布的故事，还要从五年前说起。2020年，CHM软件历史中心馆长Hansen Hsu联系了Alex Krizhevsky，希望获得发布授权。Alex Krizhevsky并没有直接回应，而是将Hansen Hsu介绍给了当时还在谷歌工作的Hinton。因为，在谷歌收购了Hinton、Sutskever和Krizhevsky创办的公司DNNresearch之后，AlexNet的知识产权就归了谷歌。

之后，Hinton在CHM和谷歌的团队之间斡旋，推动整件事的进程。双方花了五年的时间，协商发布事宜以及具体的发布版本。事实上，自2012年论文发布后，AlexNet的源码已经有了多个版本，GitHub上也有不少名为“AlexNet”的代码库，但其中许多并不是原始代码，而是根据那篇论文重新创建的。此前，Krizhevsky开发的AlexNet前身——cuda-convnet也曾作为开源代码发布，但它是在较小的CIFAR-10数据集上训练的。

CHM发布的代码库包含了2012年赢得ImageNet竞赛时的原始AlexNet源代码，还包括在ImageNet数据集上训练的参数文件。感兴趣的同学可以前去翻看。