Distilhubert Finetuned Gtzan

🚀 distilhubert-finetuned-gtzan

本模型是 ntu-spml/distilhubert 在 GTZAN 數據集上的微調版本。它在評估集上取得了以下成果，可有效用於相關音頻任務，為音頻處理提供了更精準的解決方案。

🚀 快速開始

此模型是 ntu-spml/distilhubert 在 GTZAN 數據集上的微調版本。它在評估集上取得了如下結果：

• 評估損失（eval_loss）：0.4784
• 評估準確率（eval_accuracy）：0.87
• 評估運行時間（eval_runtime）：52.0685
• 每秒評估樣本數（eval_samples_per_second）：1.921
• 每秒評估步數（eval_steps_per_second）：0.25
• 訓練輪數（epoch）：7.0
• 訓練步數（step）：791
• 準確率（Accuracy）：0.87

📦 安裝指南

文檔未提供安裝步驟，跳過該章節。

💻 使用示例

文檔未提供代碼示例，跳過該章節。

📚 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）：5e - 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
• 優化器（optimizer）：Adam，其中 betas = (0.9, 0.999)，epsilon = 1e - 08
• 學習率調度器類型（lr_scheduler_type）：線性
• 學習率調度器熱身比例（lr_scheduler_warmup_ratio）：0.1
• 訓練輪數（num_epochs）：15

框架版本

• Transformers 4.31.0
• Pytorch 2.0.1+cu118
• Datasets 2.14.1
• Tokenizers 0.13.3

🔧 技術細節

文檔未提供具體的技術實現細節，跳過該章節。

📄 許可證

本模型使用 Apache-2.0 許可證。