distilhubert-finetuned-gtzan开源音频分类模型 - 精准分类音乐，准确率达86%

Home

Distilhubert Finetuned Gtzan

Developed by f0ghedgeh0g

基于DistilHuBERT架构在GTZAN音乐分类数据集上微调的音频分类模型，准确率达86%

音频分类

Transformers

Open Source License:Apache-2.0 #音乐分类 #音频特征提取 #轻量级模型

Downloads 39

Release Time : 1/2/2025

Model Overview

该模型是针对音乐流派分类任务优化的轻量级音频处理模型，能够识别10种不同音乐流派

Model Features

高效音乐分类

针对GTZAN音乐数据集优化，能准确识别10种音乐流派

轻量级架构

基于DistilHuBERT的蒸馏架构，保持性能的同时降低计算资源需求

高准确率

在GTZAN测试集上达到86%的分类准确率

Model Capabilities

音乐流派分类

音频特征提取

音乐内容分析

Use Cases

音乐产业

音乐流媒体自动分类

为音乐平台自动标记上传音乐的流派类别

准确率86%的自动分类

音乐推荐系统

基于音乐内容的相似性分析改进推荐算法

学术研究

音乐信息检索

支持音乐学研究和音乐内容分析

🚀 distilhubert-finetuned-hyperparam-gtzan

本模型是 ntu-spml/distilhubert 在 GTZAN 数据集上的微调版本。它在评估集上取得了以下结果：

损失值：1.2045
准确率：0.86

🚀 快速开始

此模型为音频分类任务提供了预训练好的模型基础，可直接用于相关任务的微调或推理。

📚 详细文档

模型描述

本模型是基于 ntu-spml/distilhubert 在 GTZAN 数据集上进行微调得到的。不过目前关于模型的更多详细信息还有待补充。

预期用途与限制

目前关于该模型的预期用途和限制的详细信息还有待补充。

训练和评估数据

目前关于训练和评估数据的详细信息还有待补充。

训练过程

训练超参数

训练过程中使用了以下超参数：

学习率：3e-05
训练批次大小：8
评估批次大小：8
随机种子：42
优化器：使用 OptimizerNames.ADAMW_TORCH，β 值为 (0.9, 0.999)，ε 值为 1e-08，无额外优化器参数
学习率调度器类型：线性
学习率调度器预热比例：0.1
训练轮数：30

训练结果

训练损失	轮数	步数	验证损失	准确率
1.7469	1.0	113	1.3737	0.57
0.7973	2.0	226	1.5247	0.57
0.6831	3.0	339	0.8961	0.74
0.4573	4.0	452	0.8638	0.76
0.1874	5.0	565	0.7839	0.81
0.0829	6.0	678	1.0174	0.79
0.0306	7.0	791	0.9393	0.81
0.004	8.0	904	0.9737	0.85
0.1209	9.0	1017	1.0625	0.8
0.0237	10.0	1130	1.3653	0.8
0.0164	11.0	1243	1.3065	0.81
0.0007	12.0	1356	1.1272	0.83
0.0004	13.0	1469	1.3226	0.83
0.0001	14.0	1582	1.6092	0.82
0.0001	15.0	1695	1.2045	0.86
0.0002	16.0	1808	1.1312	0.85
0.0003	17.0	1921	1.0911	0.86
0.0	18.0	2034	1.1983	0.84
0.0001	19.0	2147	1.1363	0.85
0.0	20.0	2260	1.2547	0.85
0.0002	21.0	2373	1.2394	0.84
0.0001	22.0	2486	1.5508	0.85
0.0	23.0	2599	1.2689	0.83
0.0	24.0	2712	1.2343	0.83
0.0003	25.0	2825	1.2313	0.81
0.0	26.0	2938	1.2217	0.83
0.0	27.0	3051	1.1596	0.84
0.0	28.0	3164	1.1081	0.85
0.0001	29.0	3277	1.1394	0.85
0.0	30.0	3390	1.1215	0.85