wav2vec2-large-xlsr-53-Total2e-4_3

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.2893
Wer: 0.1863

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0002
train_batch_size: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 16
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 500
num_epochs: 10
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
5.16	0.1	200	2.9123	0.9707
2.4599	0.2	400	0.8145	0.6906
1.0523	0.3	600	0.5247	0.4823
0.8965	0.4	800	0.4391	0.4416
0.7994	0.5	1000	0.3889	0.3773
0.7491	0.6	1200	0.3604	0.3305
0.7425	0.7	1400	0.3543	0.3277
0.7253	0.8	1600	0.3397	0.3143
0.7221	0.9	1800	0.3341	0.2979
0.6853	1.0	2000	0.3244	0.2906
0.6107	1.1	2200	0.3127	0.2771
0.6233	1.2	2400	0.3116	0.2721
0.6214	1.3	2600	0.3256	0.2671
0.6511	1.4	2800	0.3019	0.2570
0.6491	1.5	3000	0.2961	0.2576
0.6411	1.6	3200	0.2963	0.2535
0.5963	1.7	3400	0.2939	0.2526
0.6146	1.8	3600	0.2908	0.2490
0.6291	1.9	3800	0.2851	0.2448
0.6154	2.0	4000	0.2861	0.2424
0.5652	2.1	4200	0.2852	0.2411
0.5648	2.2	4400	0.2856	0.2350
0.5365	2.3	4600	0.2802	0.2395
0.5855	2.4	4800	0.2883	0.2374
0.5978	2.5	5000	0.2855	0.2364
0.5863	2.6	5200	0.2736	0.2277
0.5569	2.7	5400	0.2746	0.2293
0.5628	2.8	5600	0.2719	0.2249
0.5655	2.9	5800	0.2653	0.2224
0.5578	3.0	6000	0.2685	0.2243
0.5303	3.1	6200	0.2696	0.2204
0.5316	3.2	6400	0.2733	0.2247
0.5476	3.3	6600	0.2716	0.2203
0.5326	3.4	6800	0.2697	0.2209
0.5375	3.5	7000	0.2701	0.2197
0.5364	3.6	7200	0.2655	0.2165
0.503	3.7	7400	0.2650	0.2125
0.5284	3.8	7600	0.2672	0.2162
0.5251	3.9	7800	0.2669	0.2172
0.5299	4.0	8000	0.2632	0.2081
0.4904	4.1	8200	0.2674	0.2099
0.496	4.2	8400	0.2700	0.2143
0.5067	4.3	8600	0.2648	0.2090
0.506	4.4	8800	0.2595	0.2069
0.4795	4.5	9000	0.2653	0.2072
0.5149	4.6	9200	0.2618	0.2073
0.4786	4.7	9400	0.2632	0.2058
0.5056	4.8	9600	0.2674	0.2123
0.5059	4.9	9800	0.2642	0.2115
0.5119	5.0	10000	0.2672	0.2089
0.4619	5.1	10200	0.2658	0.2062
0.4647	5.2	10400	0.2664	0.2025
0.4707	5.3	10600	0.2656	0.2084
0.486	5.4	10800	0.2728	0.2029
0.4785	5.5	11000	0.2653	0.2004
0.4895	5.6	11200	0.2835	0.2119
0.4519	5.7	11400	0.2715	0.2061
0.484	5.8	11600	0.2663	0.2071
0.4734	5.9	11800	0.2615	0.2023
0.4563	6.0	12000	0.2604	0.1997
0.4193	6.1	12200	0.2708	0.2015
0.4516	6.2	12400	0.2724	0.2018
0.4609	6.3	12600	0.2745	0.2004
0.43	6.4	12800	0.2716	0.1979
0.4424	6.5	13000	0.2674	0.1963
0.4589	6.6	13200	0.2622	0.1977
0.4458	6.7	13400	0.2668	0.1994
0.4233	6.8	13600	0.2739	0.1978
0.4557	6.9	13800	0.2692	0.1972
0.4472	7.0	14000	0.2686	0.1942
0.4193	7.1	14200	0.2843	0.1959
0.4033	7.2	14400	0.2767	0.1945
0.4266	7.3	14600	0.2808	0.1931
0.419	7.4	14800	0.2801	0.1945
0.4352	7.5	15000	0.2764	0.1934
0.4248	7.6	15200	0.2818	0.1938
0.4001	7.7	15400	0.2754	0.1931
0.415	7.8	15600	0.2799	0.1916
0.4056	7.9	15800	0.2746	0.1916
0.419	8.0	16000	0.2789	0.1909
0.3974	8.1	16200	0.2913	0.1897
0.3999	8.2	16400	0.2894	0.1899
0.4179	8.3	16600	0.2819	0.1918
0.4081	8.4	16800	0.2868	0.1910
0.3963	8.5	17000	0.2835	0.1889
0.3748	8.6	17200	0.2841	0.1903
0.375	8.7	17400	0.2820	0.1874
0.3857	8.8	17600	0.2865	0.1872
0.3901	8.9	17800	0.2824	0.1882
0.4067	9.0	18000	0.2838	0.1887
0.3711	9.1	18200	0.2892	0.1897
0.3661	9.2	18400	0.2889	0.1883
0.3796	9.3	18600	0.2876	0.1886
0.3932	9.4	18800	0.2948	0.1877
0.3894	9.5	19000	0.2896	0.1884
0.3643	9.6	19200	0.2897	0.1868
0.384	9.7	19400	0.2887	0.1867
0.3951	9.8	19600	0.2905	0.1862
0.3595	9.9	19800	0.2893	0.1866
0.3758	10.0	20000	0.2893	0.1863

Framework versions

Transformers 4.15.0
Pytorch 1.10.0+cu111
Datasets 1.18.3
Tokenizers 0.10.3

作者:

数据集大小:

8.31 GB