Wav2vec2 2 Rnd

🚀 音声認識モデル

このモデルは、librispeech_asrデータセットを使ってゼロから学習されました。評価セットでは以下の結果を達成しています。

• 損失: 0.9599
• 単語誤り率 (Wer): 0.1442

🚀 クイックスタート

このモデルは、librispeech_asrデータセットを用いてゼロから学習され、評価セットで一定の性能を示しています。

🔧 技術詳細

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

• 学習率 (learning_rate): 3e-05
• 学習バッチサイズ (train_batch_size): 8
• 評価バッチサイズ (eval_batch_size): 8
• 乱数シード (seed): 42
• 勾配累積ステップ数 (gradient_accumulation_steps): 4
• 総学習バッチサイズ (total_train_batch_size): 32
• オプティマイザ (optimizer): Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラの種類 (lr_scheduler_type): linear
• 学習率スケジューラのウォームアップステップ数 (lr_scheduler_warmup_steps): 1000
• エポック数 (num_epochs): 20.0
• 混合精度学習 (mixed_precision_training): Native AMP

学習結果

フレームワークのバージョン

• Transformers: 4.17.0.dev0
• Pytorch: 1.10.2+cu113
• Datasets: 1.18.3
• Tokenizers: 0.11.0