Distilhubert Finetuned Gtzan

D

Distilhubert Finetuned Gtzan

timjwhiteによって開発

DistilHuBERTアーキテクチャを基にGTZAN音楽分類データセットでファインチューニングされた音声分類モデルで、精度は88%

オープンソースライセンス:Apache-2.0 #音楽分類 #高精度音声認識 #軽量HuBERT

ダウンロード数 16

リリース時間 : 7/11/2023

モデル概要

このモデルはDistilHuBERTのバリアントで、音楽ジャンル分類タスクに特化してファインチューニングされており、音声信号処理や分析シーンに適しています。

モデル特徴

効率的な蒸留アーキテクチャ

HuBERTを基にした軽量な蒸留バージョンで、性能を維持しながら計算リソースの需要を削減

高精度

GTZANテストセットで88%の分類精度を達成

高速推論

オリジナルのHuBERTモデルと比べてより高速な推論速度

モデル能力

音楽ジャンル分類

音声特徴抽出

音楽コンテンツ分析

使用事例

音楽情報検索

音楽ストリーミングプラットフォームの自動分類

アップロードされた音楽に自動的にジャンルタグを追加

精度88%の自動分類

音楽推薦システム

コンテンツベースの音楽推薦

音声特徴を分析して推薦を生成

🚀 distilhubert-finetuned-gtzan

このモデルは、GTZANデータセット上でSandiago21/distilhubert-finetuned-gtzanをファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

損失: 0.9951
正解率: 0.88

🚀 クイックスタート

このモデルは、GTZANデータセットを用いて音声分類タスクに特化してファインチューニングされています。以下に、評価セットでの主な指標を示します。

✨ 主な機能

高精度な音声分類: GTZANデータセットでの正解率が0.88と高い精度を達成しています。
ファインチューニング可能: 特定の音声分類タスクに合わせてさらにファインチューニングすることができます。

🔧 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: 0.0001
学習バッチサイズ: 16
評価バッチサイズ: 16
シード: 42
オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
学習率スケジューラの種類: 線形
学習率スケジューラのウォームアップ比率: 0.1
エポック数: 40

学習結果

学習損失	エポック	ステップ	検証損失	正解率
0.0951	1.0	57	0.5566	0.87
0.0629	2.0	114	0.6819	0.83
0.0231	3.0	171	0.6118	0.86
0.0159	4.0	228	0.9208	0.83
0.0374	5.0	285	0.8746	0.85
0.1714	6.0	342	0.6671	0.87
0.2148	7.0	399	1.1850	0.79
0.0147	8.0	456	1.0551	0.79
0.0788	9.0	513	1.5179	0.79
0.0015	10.0	570	1.3290	0.8
0.0049	11.0	627	1.0943	0.85
0.0012	12.0	684	1.0667	0.85
0.0043	13.0	741	1.1816	0.82
0.0015	14.0	798	0.9108	0.88
0.0011	15.0	855	1.0289	0.87
0.001	16.0	912	0.7696	0.87
0.0006	17.0	969	0.8539	0.87
0.1001	18.0	1026	1.1917	0.78
0.0017	19.0	1083	1.0016	0.83
0.0525	20.0	1140	0.9513	0.88
0.0004	21.0	1197	0.9268	0.86
0.0003	22.0	1254	1.1209	0.82
0.0003	23.0	1311	0.9270	0.87
0.0003	24.0	1368	1.1148	0.84
0.0003	25.0	1425	1.0507	0.85
0.0002	26.0	1482	1.0156	0.86
0.0002	27.0	1539	1.0062	0.87
0.0002	28.0	1596	1.0124	0.87
0.0002	29.0	1653	1.0154	0.87
0.0002	30.0	1710	1.0092	0.88
0.0002	31.0	1767	1.0123	0.88
0.0175	32.0	1824	0.9928	0.88
0.0002	33.0	1881	1.0014	0.88
0.0115	34.0	1938	0.9989	0.88
0.0001	35.0	1995	0.9871	0.88
0.0001	36.0	2052	0.9920	0.88
0.0002	37.0	2109	0.9974	0.88
0.0002	38.0	2166	0.9950	0.88
0.0001	39.0	2223	0.9997	0.88
0.0001	40.0	2280	0.9951	0.88

フレームワークバージョン

Transformers 4.31.0
Pytorch 2.0.1+cu117
Datasets 2.13.1
Tokenizers 0.13.3

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。

おすすめAIモデル

Llama 3 Typhoon V1.5x 8b Instruct

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

大規模言語モデル

Transformers 複数言語対応

Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。

対話システム

Transformers 英語

Roberta Base Chinese Extractive Qa

RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。

質問応答システム中国語

AIbase

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご

© 2025AIbase