/ Модель

Характеристики

Параметры
18,9 млн
Лицензия
Apache 2.0
Архитектура
hubert · dense
Опубликована
15 мар 2024

distilhubert-v2-v4

Классификация текстаТекст → label3 профессии

Дообученная на GTZAN модель DistilHuBERT для классификации аудио по музыкальным жанрам.

9скачиваний за 30 дней0лайковвеса обновлены15 мар 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

vpingale07/distilhubert-v2-v4 — модель классификации аудио на базе DistilHuBERT, дообученная автором на наборе GTZAN. Она предназначена для распознавания музыкальных жанров по аудиозаписям. В оценке на тестовой выборке GTZAN указана точность 0,88 и значение loss 0,9254.

Модель содержит 18,9 млн параметров и распространяется в формате safetensors. Лицензия — Apache-2.0. Подробности об архитектуре обучения и конкретных ограничениях в карточке не приведены.

Сценарии применения

  • определение музыкального жанра аудиозаписи
  • автоматическая категоризация музыкальной библиотеки
  • разметка жанров в коллекции аудиофайлов

Ограничения

Оценка точности 0,88 приведена для тестовой выборки GTZAN; качество на других жанрах и типах аудио не описано.

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

vpingale07/distilhubert-v2-finetuned-gtzan

This model is a fine-tuned version of vpingale07/distilhubert-v2-v4 on the GTZAN dataset. It achieves the following results on the evaluation set:

  • Loss: 0.9254
  • Accuracy: 0.88

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: 4
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossAccuracy
0.00011.0750.86600.88
0.00012.01500.90360.8825
0.03.02250.91780.88
0.04.03000.92540.88

Framework versions

  • Transformers 4.39.0.dev0
  • Pytorch 2.2.1+cu121
  • Datasets 2.18.0
  • Tokenizers 0.15.2

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
cefc9b8

0 моделей