Duck And Cover Genre Encoder

🚀 躲避与掩护 - 流派自动编码器

本模型是 duck_and_cover 仓库的一部分。该仓库旨在使用不同类型的生成对抗网络（GAN），基于发行年份、艺术家和专辑名称以及流派等多种条件生成专辑封面。此编码器涵盖的可能流派列表可在 此处 找到。

为进行训练，prajjwal1/bert-mini 在从上述列表中选取的 466,045 张具有不同流派组合的专辑列表上进行了微调，以嵌入流派信息，同时训练了一个简单的线性层，用于从嵌入信息中解码并预测给定的流派。这些专辑是使用 Spotify API 获取的真实世界专辑。该模型背后的意图在于，硬摇滚（Hard Rock）在某种程度上与摇滚（Rock）相关，流行摇滚（Pop Rock）也与摇滚相关，而 BERT 分词器能够捕捉到这些信息，因为许多音乐流派是通过使用前缀和后缀来描述的。

该模型在训练期间在 133,155 个样本上进行了验证，并在 66,578 个样本上进行了测试。在测试集上，它的精确匹配率达到了 98.29%，在验证集上的精确匹配率为 98.24%。鉴于该模型可以嵌入多达 3452 个标签，且大多数专辑只有最多 5 个标签，这个匹配率是非常高的。

🚀 快速开始

本模型可用于将流派嵌入到 256 维空间中。

💻 使用示例

基础用法

from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("mnne/duck-and-cover-genre-encoder")
tokenizer = AutoTokenizer.from_pretrained("mnne/duck-and-cover-genre-encoder")

genres = " , ".join(["classic soul", "memphis soul", "soul", "soul blues", "southern soul"])

x = tokenizer([genres], return_tensors="pt")

output = model(**x)