/ Модель

Характеристики

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

wav2vec2-base-finetuned-ie

Классификация текстаТекст → label3 профессии

Дообученная wav2vec2-модель для классификации аудио.

22скачиваний за 30 дней0лайковвеса обновлены25 апр 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

minoosh/wav2vec2-base-finetuned-ie — модель wav2vec2, дообученная на основе facebook/wav2vec2-base для классификации аудио. Архитектура Wav2Vec2ForSequenceClassification содержит 113,3 млн параметров; репозиторий предоставляет веса PyTorch. Название указывает на возможную специализацию на ирландском языке, однако README не поясняет назначение метки «ie» и не описывает обучающие данные.

На указанном в карточке оценочном наборе модель получила accuracy 0,6857 и loss 0,9461. Лицензия — Apache-2.0. README не описывает предполагаемые сценарии применения и ограничения модели.

Сценарии применения

  • Классификация аудиозаписей по целевым классам

Ограничения

README не описывает классы, обучающие данные и предполагаемые сценарии использования. На оценочном наборе указана точность 0,6857, но сам набор не назван.

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-ie

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: 0.9461
  • Accuracy: 0.6857

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
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 15

Training results

Training LossEpochStepValidation LossAccuracy
1.19131.01021.19110.4374
1.02382.02041.00450.5529
0.8093.03060.93960.6188
0.70974.04081.21460.5558
0.60825.05101.28600.5752
0.40996.06121.36180.5771
0.39277.07141.11550.6508
0.20138.08161.35540.6266
0.22089.09181.73060.5674
0.196710.010201.66800.6004
0.156311.011221.61250.6402
0.077712.012241.77660.6305
0.048613.013261.87440.6324
0.059414.014281.95290.6246
0.036315.015301.88430.6334

Framework versions

  • Transformers 4.28.1
  • Pytorch 2.0.0+cu118
  • Datasets 2.11.0
  • 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
30afed6

0 моделей