Характеристики

Параметры: 18,9 млн
Лицензия: Apache 2.0
Архитектура: hubert · dense
Базовая модель: distilhubert
Опубликована: 21 авг 2023

Ссылки

Hugging Face

distilhubert-finetuned-gtzan-audio-classification

sandychoii

Классификация текстаТекст → label3 профессии

Компактная модель на базе distilhubert классифицирует аудио и была дообучена на GTZAN.

13скачиваний за 30 дней1лайквеса обновлены21 авг 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 sandychoii/distilhubert-finetuned-gtzan-audio-classification — дообученная на датасете GTZAN модель ntu-spml/distilhubert для классификации аудио. Она использует архитектуру HuBERT и содержит 18,9 млн параметров. В README указана точность 0,94 и loss 0,2132 на оценочном наборе.

Модель подходит для отнесения аудиозаписей к музыкальным классам GTZAN. Базовая distilhubert предназначена для извлечения представлений из аудио с частотой 16 кГц; описание не уточняет ограничения по длительности входа и точный набор классов. Распространяется по лицензии Apache-2.0.

Сценарии применения

классификация музыкальных аудиозаписей по классам GTZAN
распознавание жанров музыки в аудиоклипах
оценка качества модели классификации музыки на тестовых аудиоданных

Ограничения

README не описывает точный набор выходных классов, допустимую длительность аудио и ограничения применения. Метрики приведены только для оценочного набора GTZAN и не гарантируют аналогичное качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей 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 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-gtzan-audio-classification

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

Loss: 0.2132
Accuracy: 0.94

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: 1

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3207	1.0	25	0.2132	0.94

Framework versions

Transformers 4.31.0
Pytorch 2.0.1+cu118
Datasets 2.14.4
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: b46b2c7