Характеристики

Параметры: 18,9 млн
Лицензия: Apache 2.0
Архитектура: hubert · dense
Опубликована: 21 июн 2023

Ссылки

Hugging Face

distilhubert-finetuned-ravdess

pollner

Классификация текстаТекст → label3 профессии

Дообученная на RAVDESS модель DistilHuBERT для классификации аудиозаписей.

36скачиваний за 30 дней2лайкавеса обновлены21 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

pollner/distilhubert-finetuned-ravdess — модель классификации аудио на базе DistilHuBERT, дообученная на наборе RAVDESS. Она предназначена для отнесения аудиозаписей к классам; точный состав классов и сценарии применения в карточке не описаны. В архитектуре указана HubertForSequenceClassification, число параметров — 18,9 млн. На оценочной выборке автор сообщает loss 0,2810 и accuracy 0,9236.

Модель принимает аудио и выдаёт метки классов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Язык аудиоданных и ограничения применения в карточке не уточнены.

Сценарии применения

Классификация аудиозаписей по классам набора RAVDESS
Оценка предсказаний модели на аудиоданных
Эксперименты с классификацией речи и звука на базе HuBERT

Ограничения

Карточка не уточняет состав классов и языки данных; показатели качества приведены только для оценочной выборки RAVDESS и не гарантируют результат на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilhubert-finetuned-ravdess

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

Loss: 0.2810
Accuracy: 0.9236

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: 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: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.7599	1.0	162	1.7350	0.3264
1.3271	2.0	324	1.1987	0.5972
0.8845	3.0	486	0.8824	0.7639
0.6083	4.0	648	0.5919	0.8403
0.4952	5.0	810	0.4469	0.8611
0.1386	6.0	972	0.3736	0.8681
0.1028	7.0	1134	0.3645	0.8819
0.053	8.0	1296	0.3079	0.9028
0.0149	9.0	1458	0.2723	0.9236
0.0154	10.0	1620	0.2810	0.9236

Framework versions

Transformers 4.30.2
Pytorch 2.0.0
Datasets 2.13.0
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 hubert нет загрузчика под задачу text-classification.

Класс архитектуры: HubertForSequenceClassification
Ревизия весов: afeeb24