Distilhubert Finetuned Gtzan

🚀 distilhubert-finetuned-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成果，可有效用于相关音频任务，为音频处理提供了更精准的解决方案。

🚀 快速开始

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

• 评估损失（eval_loss）：0.4784
• 评估准确率（eval_accuracy）：0.87
• 评估运行时间（eval_runtime）：52.0685
• 每秒评估样本数（eval_samples_per_second）：1.921
• 每秒评估步数（eval_steps_per_second）：0.25
• 训练轮数（epoch）：7.0
• 训练步数（step）：791
• 准确率（Accuracy）：0.87

📦 安装指南

文档未提供安装步骤，跳过该章节。

💻 使用示例

文档未提供代码示例，跳过该章节。

📚 详细文档

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：5e - 05
• 训练批次大小（train_batch_size）：8
• 评估批次大小（eval_batch_size）：8
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，其中 betas = (0.9, 0.999)，epsilon = 1e - 08
• 学习率调度器类型（lr_scheduler_type）：线性
• 学习率调度器热身比例（lr_scheduler_warmup_ratio）：0.1
• 训练轮数（num_epochs）：15

框架版本

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

🔧 技术细节

文档未提供具体的技术实现细节，跳过该章节。

📄 许可证

本模型使用 Apache-2.0 许可证。