Характеристики

Параметры: 18,9 млн
Лицензия: Apache 2.0
Архитектура: hubert · dense
Базовая модель: distilhubert
Опубликована: 25 сен 2023

Ссылки

Hugging Face

Musical-genres-Classification-Hubert-V1

SeyedAli

Классификация текстаТекст → label3 профессии

Компактная модель на основе DistilHuBERT классифицирует аудиозаписи по музыкальным жанрам.

21скачиваний за 30 дней17лайковвеса обновлены18 ноя 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SeyedAli/Musical-genres-Classification-Hubert-V1 — модель SeyedAli для классификации музыкальных жанров по аудио. Это дообученная на GTZAN модель NTU SPML distilhubert с архитектурой HuBERT; число параметров — 18,9 млн. Для оценки на тестовой выборке указана точность 0,84 и loss 0,5068. Модель предназначена для автоматической жанровой разметки музыкальных записей и может использоваться в музыкальных каталогах и системах организации аудиоколлекций. Веса доступны в форматах PyTorch и Safetensors по лицензии Apache-2.0. Карточка не описывает ограничения и детали подготовки данных.

Сценарии применения

автоматическая классификация жанров музыкальных записей
разметка жанров в музыкальном каталоге
сортировка аудиоколлекции по жанрам
жанровая категоризация музыки в медиатеке

Ограничения

В карточке приведена оценка точности 0,84 на тестовой выборке GTZAN, но не описаны состав и ограничения этой оценки. Информация об ограничениях применения модели отсутствует.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SeyedAli/Musical-genres-Classification-Hubert-V1

This model is a fine-tuned version of ntu-spml/distilhubert on the GTZAN dataset. It achieves the following results on the evaluation set:

Loss: 0.5068
Accuracy: 0.84

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.0025	1.0	113	1.8276	0.57
1.3273	2.0	226	1.2564	0.64
0.9558	3.0	339	0.9493	0.76
0.8668	4.0	452	0.7986	0.76
0.8293	5.0	565	0.6570	0.8
0.3777	6.0	678	0.6068	0.78
0.4111	7.0	791	0.4885	0.84
0.1512	8.0	904	0.5045	0.8
0.3596	9.0	1017	0.4681	0.85
0.088	10.0	1130	0.5068	0.84

Framework versions

Transformers 4.33.2
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.13.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры hubert нет загрузчика под задачу text-classification.

Класс архитектуры: HubertForSequenceClassification
Ревизия весов: 67e3464