Hubert Base Ls960 2clsfinetuned Bmd V1 Epo10 20250201 141430 LOSO Section Out4

由 sarasarasara 开发

该模型是基于facebook/hubert-base-ls960微调的语音分类模型，主要用于二分类任务，在评估集上取得了78.26%的准确率。

下载量 3

发布时间 : 2/1/2025

模型介绍

内容详情

替代品

模型简介

这是一个基于HuBERT架构的语音分类模型，经过微调后用于特定的二分类任务。模型在验证集上表现出较好的分类性能。

高效微调

基于预训练的HuBERT模型进行高效微调，适用于特定分类任务

良好性能

在二分类任务上达到78.26%的准确率和F1分数

轻量级

基于hubert-base版本，相对轻量适合部署

语音特征提取

语音分类

二分类任务处理

语音分析

语音情感分类

可用于区分语音中的不同情感状态

准确率78.26%

语音质量检测

可用于检测语音信号的质量或完整性

library_name: transformers license: apache-2.0 base_model: facebook/hubert-base-ls960 tags:

由训练器生成 metrics:
准确率
F1分数
精确率
召回率 model-index:
name: hubert-base-ls960-2clsfinetuned-bmd-V1-epo10-20250201_141430-LOSO-section-out4 results: []

该模型是对 facebook/hubert-base-ls960 的一个微调版本，使用的数据集未知。它在评估集上取得了以下结果：

需要更多相关信息

需要更多相关信息

需要更多相关信息

训练过程中使用了以下超参数：

学习率（learning_rate）：0.0001
训练批次大小（train_batch_size）：4
评估批次大小（eval_batch_size）：4
随机种子（seed）：1968
梯度累积步数（gradient_accumulation_steps）：4
总训练批次大小（total_train_batch_size）：16
优化器（optimizer）：使用 OptimizerNames.ADAMW_TORCH，betas=(0.9, 0.999)，epsilon=1e-08，optimizer_args=无额外优化器参数
学习率调度器类型（lr_scheduler_type）：线性
学习率调度器预热比例（lr_scheduler_warmup_ratio）：0.1
训练轮数（num_epochs）：10