ثبت رکورد ۸۵۰ هزار دانلود ماهانه برای مدل کلاسیک Wide ResNet در پلتفرم Hugging Face

در سال ۲۰۲۶، شمارنده ماهانه پلتفرم Hugging Face نشان داد که چکپوینت wide_resnet50_2.racm_in1k توسعه‌یافته توسط راس وایتمن بیش از ۸۵۰ هزار بار دانلود شده است. این حجم از دریافت برای وزن‌های مدلی که بر پایه معماری Wide ResNet سال ۲۰۱۶ طراحی شده، رقمی فوق‌العاده بالا به‌شمار می‌رود. این چکپوینت به کتابخانه محبوب timm تعلق دارد و ساختار آشنای شبکه‌های عصبی پیچشی (CNN) را با یک دستورالعمل آموزشی بسیار قدرتمندتر ترکیب کرده است.

شمارنده‌ای که درخواست‌ها را ثبت می‌کند

طبق مستندات رسمی آمار دانلود در Hugging Face، این رقم بیانگر درخواست‌های معتبر برای دریافت فایل‌های مخزن در بازه زمانی ۳۰ روز گذشته است. یک کاربر، سیستم بیلد خودکار، دموی آنلاین یا یک بسته نرم‌افزاری پایین‌دستی می‌توانند درخواست‌های مکرری ثبت کنند؛ بنابراین، این معیار بیشتر نشان‌دهنده ترافیک کلی مخزن است تا تعداد کاربران یکتا یا سیستم‌های عملیاتی مستقرشده. برای تعیین اینکه آیا این ترافیک روند صعودی دارد یا خیر، به بررسی و مقایسه داده‌های تاریخی نیاز خواهد بود.

راز RACM در فرمول آموزش نهفته است

مدل Wide-ResNet-50-2 از چیدمان ۵۰ لایه‌ای استاندارد ResNet پیروی می‌کند که شامل یک بخش ورودی پیچشی ۷ در ۷، لایه ادغام بیشینه (Max Pooling)، توابع فعال‌ساز ReLU، بلوک‌های گلوگاهی (Bottleneck Blocks) و اتصالات میان‌بر در نقاط تغییر ابعاد است. عدد 2 در این نام نشان‌دهنده دو برابر شدن پهنای کانال‌های داخلی در بلوک‌های گلوگاهی است. این پیکربندی با حفظ ساختار مرحله‌ای آشنای ResNet-50، تعداد پارامترها را به ۶۸٫۹ میلیون می‌رساند. این طراحی بر پایه مبانی علمی مقاله معرفی شبکه‌های باقیمانده عریض (Wide Residual Networks) در سال ۲۰۱۶ شکل گرفته است.

پسوند موجود در نام این نسخه، دستورالعمل آموزش را از مجموعه‌داده تفکیک می‌کند. در عبارت racm_in1k، بخش racm نشان‌دهنده فرمول آموزشی خاص کتابخانه timm است و عبارت in1k آموزش روی مجموعه‌داده ImageNet-1k را مشخص می‌سازد. در این میان، معماری اصلی شبکه همچنان همان ساختار استاندارد Wide-ResNet-50-2 را حفظ کرده است.

این دستورالعمل آموزشی از نسخه اصلاح‌شده تکنیک RandAugment با الهام از EfficientNet، بهینه‌ساز RMSProp، گرم کردن نرخ یاد‌گیری (Warmup) همراه با زمان‌بندی پله‌ای و میانگین متحرک نمایی وزن‌ها (EMA) بهره می‌برد. وایتمن به‌همراه تیم پژوهشگران از جمله اوگو توورون و اروه ژگو، این رویکرد پایه را به‌عنوان فرمول B در مقاله معروف بازگشت قدرتمندانه ResNet (ResNet Strikes Back) منتشر کردند؛ مقاله‌ای که نشان داد چگونه بهبود روش‌های افزایش داده و بهینه‌سازی آموزش می‌تواند دقت مدل‌های ResNet را بدون دستکاری ساختار اصلی شبکه ارتقا دهد.

سه ویژگی کلیدی در همان ساختار همیشگی

شناسنامه مدل (Model Card) جزئیات زیر را در رابطه با دقت، بار پردازشی و نحوه ارائه این معماری گزارش می‌کند: