/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense

wav2vec2-base-finetuned-ks

Классификация текстаТекст → label3 профессии

Дообученная на SUPERB модель wav2vec 2.0 для классификации аудио.

26скачиваний за 30 дней0лайковвеса обновлены12 дек 2021

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 addy88/wav2vec2-base-finetuned-ks — версия facebook/wav2vec2-base, дообученная для классификации аудио на датасете SUPERB. В метаданных указана архитектура Wav2Vec2ForSequenceClassification и размер 113,3 млн параметров. На оценочной выборке датасета модель показала accuracy 0,9768 и loss 0,1339.

Модель подходит для задач классификации аудиосигналов. README не уточняет классы, сценарии применения и языковой охват. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • классификация аудиозаписей
  • определение класса аудиосигнала на оценочной выборке

Ограничения

README не описывает классы и целевые сценарии применения, поэтому область применимости результатов ограничена имеющимися сведениями об оценке на SUPERB.

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-finetuned-ks

This model is a fine-tuned version of facebook/wav2vec2-base on the superb dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1339
  • Accuracy: 0.9768

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: 3e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • 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

Training results

Training LossEpochStepValidation LossAccuracy
1.1021.03991.00870.6574
0.52282.07980.42660.9247
0.32223.011970.20370.9744
0.20964.015960.14440.9766
0.20035.019950.13390.9768

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.10.0+cu111
  • Datasets 1.14.0
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Нельзя запустить

Для архитектуры wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры
Wav2Vec2ForSequenceClassification
Ревизия весов
1b5be4d

0 моделей