Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Базовая модель: wav2vec2-base
Опубликована: 14 дек 2023

Ссылки

Hugging Face

model

aihimanshu

Классификация текстаТекст → label3 профессии

Дообученная на базе wav2vec 2.0 модель для классификации аудио.

145скачиваний за 30 дней0лайковвеса обновлены10 янв 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 aihimanshu/model — дообученная Himanshu модель аудиоклассификации на базе facebook/wav2vec2-base. Архитектура Wav2Vec2ForSequenceClassification содержит 113,3 млн параметров; веса опубликованы в формате safetensors. Модель предназначена для классификации аудиоданных, однако конкретные классы и сценарии применения в карточке не описаны.

На оценочном наборе указаны loss 2,6731 и accuracy 0,0796. Датасет и подробности обучения не раскрыты, поэтому эти результаты не позволяют определить качество для конкретной задачи. Лицензия — Apache-2.0.

Сценарии применения

Классификация аудиозаписей по категориям
Определение класса аудиофрагмента

Ограничения

Назначение классов и обучающий датасет не описаны. Указанная accuracy на оценочном наборе составляет 0,0796.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей 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

model

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

Loss: 2.6731
Accuracy: 0.0796

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: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	0.8	3	2.6547	0.0708
No log	1.87	7	2.6649	0.0265
2.5605	2.93	11	2.6679	0.0442
2.5605	4.0	15	2.6653	0.0619
2.5605	4.8	18	2.6690	0.0619
2.5354	5.87	22	2.6731	0.0796
2.5354	6.93	26	2.6712	0.0531
2.5169	8.0	30	2.6720	0.0531

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.1
Tokenizers 0.15.0

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: ffb3c4f