Wav2vec2 2 Bert Large No Adapter Frozen Enc

🚀 音声認識モデル

このモデルは、音声認識タスクに特化したモデルです。librispeech_asrデータセットを用いてゼロから学習され、評価セットで良好な結果を達成しています。

🚀 クイックスタート

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: 11.7664
• 単語誤り率 (Wer): 2.0133

📚 ドキュメント

モデルの説明

詳細情報は後日追加予定です。

想定される用途と制限事項

詳細情報は後日追加予定です。

学習と評価データ

詳細情報は後日追加予定です。

学習手順

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): 0.0001
• 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): 2
• 総学習バッチサイズ (total_train_batch_size): 16
• 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): 500
• エポック数 (num_epochs): 3.0
• 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