Характеристики

Параметры: 18,9 млн
Архитектура: hubert · dense
Базовая модель: distilhubert
Опубликована: 3 окт 2023

Ссылки

Hugging Face

distilhubert-finetuned-gtzan

avojarot

Классификация текстаТекст → label

Дообученная на GTZAN модель DistilHuBERT классифицирует аудиозаписи по музыкальным жанрам.

6скачиваний за 30 дней0лайковвеса обновлены3 окт 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

Это модель классификации аудио, созданная дообучением DistilHuBERT на наборе данных GTZAN. Она содержит 18,9 млн параметров и использует архитектуру HuBERT для классификации аудиопоследовательностей. На оценочной выборке GTZAN в карточке указаны loss 0,0713 и accuracy 0,99.

Модель предназначена для распознавания музыкальных жанров в аудиозаписях и подходит для экспериментов или приложений, которым требуется классифицировать музыку по категориям GTZAN. Веса доступны в формате PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

классификация музыкальных записей по жанрам GTZAN
автоматическая разметка музыкальной библиотеки по жанрам
создание прототипа классификатора музыкального аудио

Ограничения

Результат accuracy 0,99 относится к оценочной выборке GTZAN; данных о качестве на других музыкальных наборах нет. Карточка не описывает подробные ограничения и лицензию модели.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilhubert-finetuned-gtzan-finetuned-gtzan

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

Loss: 0.0713
Accuracy: 0.99

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: 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: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0972	1.0	113	0.0982	0.99
0.0478	2.0	226	0.0713	0.99

Framework versions

Transformers 4.34.0.dev0
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.14.0

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: 8f9f04d