/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Базовая модель
wav2vec2-base-one-shot-hip-hop-drums-clf
Библиотека
transformers
Опубликована
9 окт 2024

wav2vec2-base-one-shot-hip-hop-drums-clf-finetuned-gtzan

Классификация текстаТекст → label3 профессии

Дообученная на GTZAN модель Wav2Vec2 для классификации аудио.

53скачиваний за 30 дней0лайковвеса обновлены10 окт 2024

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

Модель разработана как дообученная версия yojul/wav2vec2-base-one-shot-hip-hop-drums-clf и предназначена для классификации аудио. Она основана на архитектуре Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. Обучение проводилось на датасете GTZAN.

На оценочной выборке указана точность 0,74 и значение loss 0,9288. Эти результаты не описывают качество на других наборах данных или в иных условиях. Модель опубликована в формате Safetensors под лицензией Apache-2.0.

Сценарии применения

  • Классификация аудиозаписей по категориям GTZAN
  • Автоматическая сортировка аудиобиблиотеки по аудиоклассам
  • Эксперименты с классификацией звука на основе Wav2Vec2

Ограничения

Точность 0,74 приведена только для оценочной выборки; качество на других данных не сообщается. README не уточняет набор классов и сценарии применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-base-one-shot-hip-hop-drums-clf-finetuned-gtzan

This model is a fine-tuned version of yojul/wav2vec2-base-one-shot-hip-hop-drums-clf on the GTZAN dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9288
  • Accuracy: 0.74

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: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 8
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 5
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
1.76951.01001.96320.345
1.38512.02001.35260.56
1.02143.03001.32090.58
0.7254.04001.02940.72
0.64255.05000.92880.74

Framework versions

  • Transformers 4.44.2
  • Pytorch 2.4.1+cu121
  • Datasets 3.0.1
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
eec60d5

0 моделей