您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
模型:
ehcalabres/wav2vec2-lg-xlsr-en-speech-emotion-recognition
英文通过微调Wav2Vec 2.0实现语音情绪识别
该模型是对 jonatasgrosman/wav2vec2-large-xlsr-53-english 进行微调以用于语音情绪识别（SER）任务。
用于微调原始预训练模型的数据集是 RAVDESS dataset 。该数据集提供了1440个样本的英语录音，演员们表演了8种不同的情绪:
emotions = ['angry', 'calm', 'disgust', 'fearful', 'happy', 'neutral', 'sad', 'surprised']
该模型在评估集上达到以下结果:
- 损失: 0.5023
- 准确率: 0.8223
模型描述
需要更多信息
预期用途和限制
需要更多信息
训练和评估数据
需要更多信息
训练过程
训练超参数
在训练过程中使用了以下超参数:
- 学习率: 0.0001
- 训练批次大小: 4
- 评估批次大小: 4
- 种子: 42
- 梯度积累步数: 2
- 总训练批次大小: 8
- 优化器: Adam，beta=(0.9,0.999)，epsilon=1e-08
- 学习率调度器类型: 线性
- 训练轮数: 3
- 混合精度训练: Native AMP
训练结果
| Training Loss | Epoch | Step | Validation Loss | Accuracy |
|---|---|---|---|---|
| 2.0752 | 0.21 | 30 | 2.0505 | 0.1359 |
| 2.0119 | 0.42 | 60 | 1.9340 | 0.2474 |
| 1.8073 | 0.63 | 90 | 1.5169 | 0.3902 |
| 1.5418 | 0.84 | 120 | 1.2373 | 0.5610 |
| 1.1432 | 1.05 | 150 | 1.1579 | 0.5610 |
| 0.9645 | 1.26 | 180 | 0.9610 | 0.6167 |
| 0.8811 | 1.47 | 210 | 0.8063 | 0.7178 |
| 0.8756 | 1.68 | 240 | 0.7379 | 0.7352 |
| 0.8208 | 1.89 | 270 | 0.6839 | 0.7596 |
| 0.7118 | 2.1 | 300 | 0.6664 | 0.7735 |
| 0.4261 | 2.31 | 330 | 0.6058 | 0.8014 |
| 0.4394 | 2.52 | 360 | 0.5754 | 0.8223 |
| 0.4581 | 2.72 | 390 | 0.4719 | 0.8467 |
| 0.3967 | 2.93 | 420 | 0.5023 | 0.8223 |
联系
有任何疑问，请通过 Twitter 联系我（GitHub存储库即将推出）。
框架版本
- Transformers 4.8.2
- Pytorch 1.9.0+cu102
- Datasets 1.9.0
- Tokenizers 0.10.3