🚀 xtreme_s_xlsr_300m_minds14
該模型是在GOOGLE/XTREME_S - MINDS14.ALL數據集上對facebook/wav2vec2-xls-r-300m進行微調後的版本。它在評估集上取得了以下成績，為語音識別等相關任務提供了有力支持。
🚀 快速開始
本模型是在特定數據集上微調得到，可直接用於相關語音處理任務。你可以根據自己的需求，結合相應的深度學習框架，使用該模型進行推理或進一步的微調。
✨ 主要特性
- 多語言支持：在多種語言上都有評估結果，如中文、英文、法文、德文等，展現了其在多語言場景下的適用性。
- 指標豐富：提供了準確率、F1值、損失值等多種評估指標，全面反映模型性能。
📚 詳細文檔
評估集結果
該模型在評估集上的表現如下：
| 指標 |
詳情 |
| 準確率 |
0.9033 |
| 準確率（Cs-cz） |
0.9164 |
| 準確率（De-de） |
0.9477 |
| 準確率（En-au） |
0.9235 |
| 準確率（En-gb） |
0.9324 |
| 準確率（En-us） |
0.9326 |
| 準確率（Es-es） |
0.9177 |
| 準確率（Fr-fr） |
0.9444 |
| 準確率（It-it） |
0.9167 |
| 準確率（Ko-kr） |
0.8649 |
| 準確率（Nl-nl） |
0.9450 |
| 準確率（Pl-pl） |
0.9146 |
| 準確率（Pt-pt） |
0.8940 |
| 準確率（Ru-ru） |
0.8667 |
| 準確率（Zh-cn） |
0.7291 |
| F1值 |
0.9015 |
| F1值（Cs-cz） |
0.9154 |
| F1值（De-de） |
0.9467 |
| F1值（En-au） |
0.9199 |
| F1值（En-gb） |
0.9334 |
| F1值（En-us） |
0.9308 |
| F1值（Es-es） |
0.9158 |
| F1值（Fr-fr） |
0.9436 |
| F1值（It-it） |
0.9135 |
| F1值（Ko-kr） |
0.8642 |
| F1值（Nl-nl） |
0.9440 |
| F1值（Pl-pl） |
0.9159 |
| F1值（Pt-pt） |
0.8883 |
| F1值（Ru-ru） |
0.8646 |
| F1值（Zh-cn） |
0.7249 |
| 損失值 |
0.4119 |
| 損失值（Cs-cz） |
0.3790 |
| 損失值（De-de） |
0.2649 |
| 損失值（En-au） |
0.3459 |
| 損失值（En-gb） |
0.2853 |
| 損失值（En-us） |
0.2203 |
| 損失值（Es-es） |
0.2731 |
| 損失值（Fr-fr） |
0.1909 |
| 損失值（It-it） |
0.3520 |
| 損失值（Ko-kr） |
0.5431 |
| 損失值（Nl-nl） |
0.2515 |
| 損失值（Pl-pl） |
0.4113 |
| 損失值（Pt-pt） |
0.4798 |
| 損失值（Ru-ru） |
0.6470 |
| 損失值（Zh-cn） |
1.1216 |
| 預測樣本數 |
4086 |
訓練過程
訓練超參數
訓練過程中使用了以下超參數：
| 屬性 |
詳情 |
| 學習率 |
0.0003 |
| 訓練批次大小 |
32 |
| 評估批次大小 |
8 |
| 隨機種子 |
42 |
| 分佈式類型 |
多GPU |
| 設備數量 |
2 |
| 總訓練批次大小 |
64 |
| 總評估批次大小 |
16 |
| 優化器 |
Adam（beta1=0.9，beta2=0.999，epsilon=1e-08） |
| 學習率調度器類型 |
線性 |
| 學習率調度器熱身步數 |
1500 |
| 訓練輪數 |
50.0 |
| 混合精度訓練 |
原生自動混合精度（Native AMP） |
訓練結果
| 訓練損失 |
輪數 |
步數 |
驗證損失 |
F1值 |
準確率 |
| 2.6739 |
5.41 |
200 |
2.5687 |
0.0430 |
0.1190 |
| 1.4953 |
10.81 |
400 |
1.6052 |
0.5550 |
0.5692 |
| 0.6177 |
16.22 |
600 |
0.7927 |
0.8052 |
0.8011 |
| 0.3609 |
21.62 |
800 |
0.5679 |
0.8609 |
0.8609 |
| 0.4972 |
27.03 |
1000 |
0.5944 |
0.8509 |
0.8523 |
| 0.1799 |
32.43 |
1200 |
0.6194 |
0.8623 |
0.8621 |
| 0.1308 |
37.84 |
1400 |
0.5956 |
0.8569 |
0.8548 |
| 0.2298 |
43.24 |
1600 |
0.5201 |
0.8732 |
0.8743 |
| 0.0052 |
48.65 |
1800 |
0.3826 |
0.9106 |
0.9103 |
框架版本
- Transformers 4.18.0.dev0
- Pytorch 1.10.2+cu113
- Datasets 2.0.1.dev0
- Tokenizers 0.11.6
📄 許可證
本項目採用Apache-2.0許可證。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
PyTorch
Transformers 支持多種語言