Wav2vec2 Base Timit Demo Colab92

🚀 wav2vec2-base-timit-demo-colab92

本模型是基於facebook/wav2vec2-base在None數據集上進行微調的版本。它在評估集上取得了以下結果，展現了在語音處理任務中的性能表現：

• 評估損失（eval_loss）：0.6596
• 評估字錯率（eval_wer）：0.4164
• 評估運行時間（eval_runtime）：55.6472
• 每秒評估樣本數（eval_samples_per_second）：12.615
• 每秒評估步數（eval_steps_per_second）：1.581
• 訓練輪數（epoch）：2.85
• 訓練步數（step）：1000

🚀 快速開始

此模型是在特定數據集上對基礎模型微調得到的，可直接用於語音相關任務。你可以根據自己的需求，基於此模型進行進一步的開發和優化。

📚 詳細文檔

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：0.0001
• 訓練批次大小（train_batch_size）：8
• 評估批次大小（eval_batch_size）：8
• 隨機種子（seed）：42
• 優化器（optimizer）：Adam，其中β1 = 0.9，β2 = 0.999，ε = 1e-08
• 學習率調度器類型（lr_scheduler_type）：線性
• 學習率調度器熱身步數（lr_scheduler_warmup_steps）：1000
• 訓練輪數（num_epochs）：60
• 混合精度訓練（mixed_precision_training）：原生自動混合精度（Native AMP）

框架版本

• Transformers：4.11.3
• Pytorch：1.11.0+cu113
• Datasets：1.18.3
• Tokenizers：0.10.3

📄 許可證

本模型採用Apache-2.0許可證。