/ Модель

Характеристики

Параметры
113 млн
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Опубликована
8 мар 2022

wav2vec2-base-100k-voxpopuli-finetuned-gtzan

Классификация текстаТекст → label3 профессии

Дообученная на GTZAN модель Wav2Vec2 для классификации аудиозаписей.

30скачиваний за 30 дней0лайковвеса обновлены14 мар 2022

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

lewtun/wav2vec2-base-100k-voxpopuli-finetuned-gtzan — модель классификации аудио, созданная дообучением facebook/wav2vec2-base-100k-voxpopuli для набора GTZAN. Она использует архитектуру Wav2Vec2ForSequenceClassification и содержит 113,3 млн параметров. На указанном в карточке наборе оценки достигла точности 0,86 при значении функции потерь 0,9408.

Модель предназначена для определения класса аудиозаписи. Карточка не описывает набор классов, языки, условия записи или ограничения по длительности входного аудио. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое использование.

Сценарии применения

  • классификация аудиозаписей по категориям GTZAN
  • эксперименты с классификацией звука на основе Wav2Vec2
  • оценка качества классификатора аудио на тестовой выборке

Ограничения

Карточка сообщает об оценке на тестовой выборке, но не описывает классы, состав обучающих данных или условия оценки. Лицензия запрещает коммерческое использование.

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-100k-voxpopuli-finetuned-gtzan

This model is a fine-tuned version of facebook/wav2vec2-base-100k-voxpopuli on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9408
  • Accuracy: 0.86

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: 2
  • eval_batch_size: 2
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 4
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
No log1.02252.16720.3
2.16752.04502.00950.29
2.16753.06751.73260.29
1.71994.09001.49800.49
1.71995.011251.40880.37
1.35856.013501.22380.54
1.35857.015751.35790.52
1.05998.018000.99540.62
1.05999.020250.95430.73
0.833710.022500.94280.76
0.833711.024750.88100.78
0.586112.027000.77530.76
0.586113.029250.99810.74
0.366214.031501.15970.77
0.366215.033751.04660.79
0.27716.036001.07630.81
0.27717.038250.84070.87
0.173118.040500.93170.86
0.173119.042750.85450.87
0.148920.045000.94080.86

Framework versions

  • Transformers 4.17.0
  • Pytorch 1.10.2
  • Datasets 1.18.4
  • Tokenizers 0.11.6

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
6dab5e3

0 моделей