Wav2vec2 2 Bert Large No Adapter

🚀 基於Librispeech_asr數據集的模型

本模型在librispeech_asr數據集上從頭開始訓練。它在評估集上取得了以下結果：

• 損失值：6.9251
• 字錯率（Wer）：1.7858

🚀 快速開始

此部分暫未提供具體快速開始的內容，但可根據後續訓練和評估數據、訓練過程等信息，著手使用該模型進行相關任務。

📚 詳細文檔

模型描述

更多信息待補充。

預期用途與限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

🔧 技術細節

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率（learning_rate）：3e - 05
• 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
• 梯度累積步數（gradient_accumulation_steps）：2
• 總訓練批次大小（total_train_batch_size）：16
• 優化器（optimizer）：Adam，β值為(0.9, 0.999)，ε值為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）：500
• 訓練輪數（num_epochs）：3.0
• 混合精度訓練（mixed_precision_training）：原生自動混合精度（Native AMP）

訓練結果

框架版本

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