/ Модель

Характеристики

Параметры
18,9 млн
Лицензия
Apache 2.0
Архитектура
hubert · dense
Библиотека
transformers
Опубликована
20 ноя 2024

distilhubert-finetuned-gtzan-se-finetuned-gtzan-se-2-2

Классификация текстаТекст → label

Дообученный HuBERT-классификатор определяет класс музыкальной записи по аудио.

10скачиваний за 30 дней0лайковвеса обновлены20 ноя 2024

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 — дообученный аудиоклассификатор на базе HuBERT, созданный из sveyek/distilhubert-finetuned-gtzan-se-finetuned-gtzan-se-2 и обученный на наборе GTZAN. Она предназначена для классификации музыкальных записей; базовая модель описана в каталоге как классификатор музыкальных классов. Архитектура использует HuBERT для классификации последовательностей, содержит 18,9 млн параметров и распространяется в формате Safetensors для Transformers.

На оценочном наборе указана точность 0,82 и loss 0,8723. Модель распространяется по лицензии Apache-2.0. Результаты приведены для GTZAN; данных о поведении на других жанрах и типах аудио нет.

Сценарии применения

  • классификация музыкальных записей по классам GTZAN
  • автоматическая категоризация музыкальных фрагментов
  • анализ музыки в аудиоархивах

Ограничения

В README указана точность 0,82 на оценочном наборе GTZAN; качество на иных музыкальных данных не описано.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilhubert-finetuned-gtzan-se-finetuned-gtzan-se-2-finetuned-gtzan

This model is a fine-tuned version of sveyek/distilhubert-finetuned-gtzan-se-finetuned-gtzan-se-2 on the GTZAN dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8723
  • Accuracy: 0.82

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: 1e-05
  • train_batch_size: 4
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 16
  • optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.2
  • num_epochs: 2
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
0.07530.9956560.81320.85
0.00241.99111120.87230.82

Framework versions

  • Transformers 4.46.2
  • Pytorch 2.5.1+cu121
  • Datasets 3.1.0
  • Tokenizers 0.20.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Для архитектуры hubert нет загрузчика под задачу text-classification.

Класс архитектуры
HubertForSequenceClassification
Ревизия весов
eaa782e

0 моделей