Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: wav2vec2 · dense
Опубликована: 5 мая 2023

Ссылки

Hugging Face

wav2vec2-base-finetuned-amd

justin1983

Классификация текстаТекст → label3 профессии

Дообученная wav2vec 2.0 модель для классификации аудиозаписей по классам.

40 190скачиваний за 30 дней0лайковвеса обновлены2 июн 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

Модель justin1983/wav2vec2-base-finetuned-amd — дообученная версия facebook/wav2vec2-base для классификации аудио. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. На указанном в карточке наборе для оценки модель достигла точности 0,8455 при значении функции потерь 0,2777; название датасета в README не приведено.

Модель предназначена для отнесения аудиозаписей к классам. Карточка не описывает классы, целевую область применения, языки или ограничения качества, поэтому применимость к конкретным типам аудио следует проверять отдельно. Доступна в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

классификация аудиозаписей
распознавание категории звукового фрагмента
эксперименты с классификацией аудио на базе wav2vec 2.0

Ограничения

В README не описаны целевые классы, датасет и ограничения применения; приведённая точность относится только к указанному набору оценки. Поддерживаемые языки не установлены.

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

wav2vec2-base-finetuned-amd

This model is a fine-tuned version of facebook/wav2vec2-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.2777
Accuracy: 0.8455

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: 32
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.368	1.0	204	0.2701	0.844
0.2867	2.0	408	0.2777	0.8455

Framework versions

Transformers 4.28.0
Pytorch 2.0.0
Datasets 2.12.0
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 wav2vec2 нет загрузчика под задачу text-classification.

Класс архитектуры: Wav2Vec2ForSequenceClassification
Ревизия весов: 7f4b768