update model card README.md

ea8158d about 2 years ago

7.71 kB

	---
	tags:
	- automatic-speech-recognition
	- gary109/AI_Light_Dance
	- generated_from_trainer
	datasets:
	- ai_light_dance
	metrics:
	- wer
	model-index:
	- name: ai-light-dance_drums_ft_pretrain_wav2vec2-base-new_onset-idmt-mdb-2
	results: []
	---

	<!-- This model card has been generated automatically according to the information the Trainer had access to. You
	should probably proofread and complete it, then remove this comment. -->

	# ai-light-dance_drums_ft_pretrain_wav2vec2-base-new_onset-idmt-mdb-2

	This model is a fine-tuned version of [gary109/ai-light-dance_drums_ft_pretrain_wav2vec2-base-new_onset-idmt-mdb-2](https://huggingface.co/gary109/ai-light-dance_drums_ft_pretrain_wav2vec2-base-new_onset-idmt-mdb-2) on the GARY109/AI_LIGHT_DANCE - ONSET-IDMT-MDB-2 dataset.
	It achieves the following results on the evaluation set:
	- Loss: 0.4204
	- Wer: 0.1844

	## 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: 0.0003
	- train_batch_size: 4
	- eval_batch_size: 4
	- seed: 42
	- gradient_accumulation_steps: 4
	- 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: 30
	- num_epochs: 100.0
	- mixed_precision_training: Native AMP

	### Training results

	\| Training Loss \| Epoch \| Step \| Validation Loss \| Wer \|
	\|:-------------:\|:-----:\|:----:\|:---------------:\|:------:\|
	\| 0.2599 \| 0.98 \| 11 \| 0.4281 \| 0.2198 \|
	\| 0.2491 \| 1.98 \| 22 \| 0.4891 \| 0.1947 \|
	\| 0.2619 \| 2.98 \| 33 \| 0.5496 \| 0.2183 \|
	\| 0.3354 \| 3.98 \| 44 \| 0.5202 \| 0.2094 \|
	\| 0.277 \| 4.98 \| 55 \| 0.4574 \| 0.2080 \|
	\| 0.3065 \| 5.98 \| 66 \| 0.4749 \| 0.2080 \|
	\| 0.2669 \| 6.98 \| 77 \| 0.5902 \| 0.2183 \|
	\| 0.2829 \| 7.98 \| 88 \| 0.8560 \| 0.2050 \|
	\| 0.2509 \| 8.98 \| 99 \| 0.6190 \| 0.2035 \|
	\| 0.2728 \| 9.98 \| 110 \| 0.6562 \| 0.2109 \|
	\| 0.2615 \| 10.98 \| 121 \| 0.6291 \| 0.2065 \|
	\| 0.2586 \| 11.98 \| 132 \| 0.6167 \| 0.1844 \|
	\| 0.2441 \| 12.98 \| 143 \| 0.6736 \| 0.1962 \|
	\| 0.233 \| 13.98 \| 154 \| 0.5727 \| 0.2050 \|
	\| 0.2567 \| 14.98 \| 165 \| 0.6165 \| 0.1873 \|
	\| 0.2264 \| 15.98 \| 176 \| 0.7506 \| 0.2080 \|
	\| 0.2346 \| 16.98 \| 187 \| 0.7017 \| 0.1888 \|
	\| 0.2343 \| 17.98 \| 198 \| 0.5930 \| 0.2094 \|
	\| 0.2638 \| 18.98 \| 209 \| 0.5730 \| 0.2006 \|
	\| 0.2543 \| 19.98 \| 220 \| 0.4991 \| 0.2198 \|
	\| 0.2476 \| 20.98 \| 231 \| 0.6364 \| 0.2065 \|
	\| 0.2777 \| 21.98 \| 242 \| 0.6247 \| 0.1844 \|
	\| 0.2661 \| 22.98 \| 253 \| 0.5589 \| 0.2006 \|
	\| 0.2094 \| 23.98 \| 264 \| 0.5316 \| 0.2080 \|
	\| 0.2496 \| 24.98 \| 275 \| 0.8821 \| 0.1844 \|
	\| 0.2302 \| 25.98 \| 286 \| 0.5408 \| 0.1814 \|
	\| 0.2651 \| 26.98 \| 297 \| 0.6479 \| 0.2094 \|
	\| 0.2119 \| 27.98 \| 308 \| 0.5875 \| 0.1814 \|
	\| 0.2468 \| 28.98 \| 319 \| 0.7614 \| 0.1976 \|
	\| 0.2239 \| 29.98 \| 330 \| 0.4908 \| 0.1903 \|
	\| 0.2514 \| 30.98 \| 341 \| 0.5196 \| 0.2035 \|
	\| 0.2244 \| 31.98 \| 352 \| 0.5580 \| 0.1991 \|
	\| 0.2524 \| 32.98 \| 363 \| 0.5342 \| 0.2021 \|
	\| 0.2516 \| 33.98 \| 374 \| 0.4204 \| 0.1844 \|
	\| 0.2515 \| 34.98 \| 385 \| 0.5135 \| 0.2124 \|
	\| 0.2542 \| 35.98 \| 396 \| 0.8150 \| 0.1962 \|
	\| 0.2269 \| 36.98 \| 407 \| 0.8833 \| 0.2094 \|
	\| 0.212 \| 37.98 \| 418 \| 1.3235 \| 0.2183 \|
	\| 0.2119 \| 38.98 \| 429 \| 0.6919 \| 0.2021 \|
	\| 0.2228 \| 39.98 \| 440 \| 0.6712 \| 0.2021 \|
	\| 0.2127 \| 40.98 \| 451 \| 0.7557 \| 0.1976 \|
	\| 0.2064 \| 41.98 \| 462 \| 0.5918 \| 0.1947 \|
	\| 0.2147 \| 42.98 \| 473 \| 0.8049 \| 0.1962 \|
	\| 0.193 \| 43.98 \| 484 \| 0.7117 \| 0.1976 \|
	\| 0.2063 \| 44.98 \| 495 \| 0.5544 \| 0.1962 \|
	\| 0.1989 \| 45.98 \| 506 \| 0.5782 \| 0.1888 \|
	\| 0.2193 \| 46.98 \| 517 \| 0.5216 \| 0.1947 \|
	\| 0.2012 \| 47.98 \| 528 \| 0.5269 \| 0.1917 \|
	\| 0.2187 \| 48.98 \| 539 \| 0.4636 \| 0.1844 \|
	\| 0.2128 \| 49.98 \| 550 \| 0.4968 \| 0.1888 \|
	\| 0.2041 \| 50.98 \| 561 \| 0.4784 \| 0.1888 \|
	\| 0.1993 \| 51.98 \| 572 \| 0.5592 \| 0.1755 \|
	\| 0.1981 \| 52.98 \| 583 \| 0.4871 \| 0.1785 \|
	\| 0.1808 \| 53.98 \| 594 \| 0.4771 \| 0.1740 \|
	\| 0.2317 \| 54.98 \| 605 \| 0.5285 \| 0.1814 \|
	\| 0.1906 \| 55.98 \| 616 \| 0.5485 \| 0.1844 \|
	\| 0.1924 \| 56.98 \| 627 \| 0.5615 \| 0.1814 \|
	\| 0.1761 \| 57.98 \| 638 \| 0.4604 \| 0.1799 \|
	\| 0.2047 \| 58.98 \| 649 \| 0.4223 \| 0.1829 \|
	\| 0.1992 \| 59.98 \| 660 \| 0.4706 \| 0.1873 \|
	\| 0.1949 \| 60.98 \| 671 \| 0.4633 \| 0.1844 \|
	\| 0.2034 \| 61.98 \| 682 \| 0.4854 \| 0.1814 \|
	\| 0.2147 \| 62.98 \| 693 \| 0.4489 \| 0.1844 \|
	\| 0.2135 \| 63.98 \| 704 \| 0.4874 \| 0.1726 \|
	\| 0.2021 \| 64.98 \| 715 \| 0.4635 \| 0.1814 \|
	\| 0.1822 \| 65.98 \| 726 \| 0.4813 \| 0.1785 \|
	\| 0.1882 \| 66.98 \| 737 \| 0.5076 \| 0.1799 \|
	\| 0.2014 \| 67.98 \| 748 \| 0.5183 \| 0.1888 \|
	\| 0.1869 \| 68.98 \| 759 \| 0.5035 \| 0.1799 \|
	\| 0.1914 \| 69.98 \| 770 \| 0.4694 \| 0.1844 \|
	\| 0.1972 \| 70.98 \| 781 \| 0.4485 \| 0.1844 \|
	\| 0.1724 \| 71.98 \| 792 \| 0.4579 \| 0.1829 \|
	\| 0.195 \| 72.98 \| 803 \| 0.5178 \| 0.1814 \|
	\| 0.2017 \| 73.98 \| 814 \| 0.4978 \| 0.1829 \|
	\| 0.1874 \| 74.98 \| 825 \| 0.5035 \| 0.1873 \|
	\| 0.1925 \| 75.98 \| 836 \| 0.5495 \| 0.1829 \|
	\| 0.1845 \| 76.98 \| 847 \| 0.5394 \| 0.1799 \|
	\| 0.1718 \| 77.98 \| 858 \| 0.5070 \| 0.1711 \|
	\| 0.1824 \| 78.98 \| 869 \| 0.4912 \| 0.1770 \|
	\| 0.1702 \| 79.98 \| 880 \| 0.4632 \| 0.1726 \|
	\| 0.1563 \| 80.98 \| 891 \| 0.4412 \| 0.1726 \|
	\| 0.1858 \| 81.98 \| 902 \| 0.4635 \| 0.1667 \|
	\| 0.1701 \| 82.98 \| 913 \| 0.4838 \| 0.1726 \|
	\| 0.188 \| 83.98 \| 924 \| 0.4775 \| 0.1814 \|
	\| 0.1789 \| 84.98 \| 935 \| 0.4801 \| 0.1740 \|
	\| 0.2134 \| 85.98 \| 946 \| 0.4542 \| 0.1785 \|
	\| 0.2141 \| 86.98 \| 957 \| 0.4499 \| 0.1785 \|
	\| 0.1599 \| 87.98 \| 968 \| 0.4595 \| 0.1770 \|
	\| 0.1927 \| 88.98 \| 979 \| 0.4772 \| 0.1755 \|
	\| 0.1709 \| 89.98 \| 990 \| 0.4588 \| 0.1770 \|
	\| 0.1588 \| 90.98 \| 1001 \| 0.4607 \| 0.1785 \|
	\| 0.1702 \| 91.98 \| 1012 \| 0.4656 \| 0.1829 \|
	\| 0.1646 \| 92.98 \| 1023 \| 0.4631 \| 0.1829 \|
	\| 0.1867 \| 93.98 \| 1034 \| 0.4758 \| 0.1814 \|
	\| 0.1799 \| 94.98 \| 1045 \| 0.4820 \| 0.1755 \|
	\| 0.1611 \| 95.98 \| 1056 \| 0.4846 \| 0.1785 \|
	\| 0.1685 \| 96.98 \| 1067 \| 0.4816 \| 0.1770 \|
	\| 0.19 \| 97.98 \| 1078 \| 0.4781 \| 0.1770 \|
	\| 0.1953 \| 98.98 \| 1089 \| 0.4767 \| 0.1770 \|
	\| 0.188 \| 99.98 \| 1100 \| 0.4774 \| 0.1770 \|


	### Framework versions

	- Transformers 4.25.0.dev0
	- Pytorch 1.8.1+cu111
	- Datasets 2.7.1.dev0
	- Tokenizers 0.13.2

	---
	tags:
	- automatic-speech-recognition
	- gary109/AI_Light_Dance
	- generated_from_trainer
	datasets:
	- ai_light_dance
	metrics:
	- wer
	model-index:
	- name: ai-light-dance_drums_ft_pretrain_wav2vec2-base-new_onset-idmt-mdb-2
	results: []
	---

	<!-- This model card has been generated automatically according to the information the Trainer had access to. You
	should probably proofread and complete it, then remove this comment. -->

	# ai-light-dance_drums_ft_pretrain_wav2vec2-base-new_onset-idmt-mdb-2

	This model is a fine-tuned version of [gary109/ai-light-dance_drums_ft_pretrain_wav2vec2-base-new_onset-idmt-mdb-2](https://huggingface.co/gary109/ai-light-dance_drums_ft_pretrain_wav2vec2-base-new_onset-idmt-mdb-2) on the GARY109/AI_LIGHT_DANCE - ONSET-IDMT-MDB-2 dataset.
	It achieves the following results on the evaluation set:
	- Loss: 0.4204
	- Wer: 0.1844

	## 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: 0.0003
	- train_batch_size: 4
	- eval_batch_size: 4
	- seed: 42
	- gradient_accumulation_steps: 4
	- 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: 30
	- num_epochs: 100.0
	- mixed_precision_training: Native AMP

	### Training results

	\| Training Loss \| Epoch \| Step \| Validation Loss \| Wer \|
	\|:-------------:\|:-----:\|:----:\|:---------------:\|:------:\|
	\| 0.2599 \| 0.98 \| 11 \| 0.4281 \| 0.2198 \|
	\| 0.2491 \| 1.98 \| 22 \| 0.4891 \| 0.1947 \|
	\| 0.2619 \| 2.98 \| 33 \| 0.5496 \| 0.2183 \|
	\| 0.3354 \| 3.98 \| 44 \| 0.5202 \| 0.2094 \|
	\| 0.277 \| 4.98 \| 55 \| 0.4574 \| 0.2080 \|
	\| 0.3065 \| 5.98 \| 66 \| 0.4749 \| 0.2080 \|
	\| 0.2669 \| 6.98 \| 77 \| 0.5902 \| 0.2183 \|
	\| 0.2829 \| 7.98 \| 88 \| 0.8560 \| 0.2050 \|
	\| 0.2509 \| 8.98 \| 99 \| 0.6190 \| 0.2035 \|
	\| 0.2728 \| 9.98 \| 110 \| 0.6562 \| 0.2109 \|
	\| 0.2615 \| 10.98 \| 121 \| 0.6291 \| 0.2065 \|
	\| 0.2586 \| 11.98 \| 132 \| 0.6167 \| 0.1844 \|
	\| 0.2441 \| 12.98 \| 143 \| 0.6736 \| 0.1962 \|
	\| 0.233 \| 13.98 \| 154 \| 0.5727 \| 0.2050 \|
	\| 0.2567 \| 14.98 \| 165 \| 0.6165 \| 0.1873 \|
	\| 0.2264 \| 15.98 \| 176 \| 0.7506 \| 0.2080 \|
	\| 0.2346 \| 16.98 \| 187 \| 0.7017 \| 0.1888 \|
	\| 0.2343 \| 17.98 \| 198 \| 0.5930 \| 0.2094 \|
	\| 0.2638 \| 18.98 \| 209 \| 0.5730 \| 0.2006 \|
	\| 0.2543 \| 19.98 \| 220 \| 0.4991 \| 0.2198 \|
	\| 0.2476 \| 20.98 \| 231 \| 0.6364 \| 0.2065 \|
	\| 0.2777 \| 21.98 \| 242 \| 0.6247 \| 0.1844 \|
	\| 0.2661 \| 22.98 \| 253 \| 0.5589 \| 0.2006 \|
	\| 0.2094 \| 23.98 \| 264 \| 0.5316 \| 0.2080 \|
	\| 0.2496 \| 24.98 \| 275 \| 0.8821 \| 0.1844 \|
	\| 0.2302 \| 25.98 \| 286 \| 0.5408 \| 0.1814 \|
	\| 0.2651 \| 26.98 \| 297 \| 0.6479 \| 0.2094 \|
	\| 0.2119 \| 27.98 \| 308 \| 0.5875 \| 0.1814 \|
	\| 0.2468 \| 28.98 \| 319 \| 0.7614 \| 0.1976 \|
	\| 0.2239 \| 29.98 \| 330 \| 0.4908 \| 0.1903 \|
	\| 0.2514 \| 30.98 \| 341 \| 0.5196 \| 0.2035 \|
	\| 0.2244 \| 31.98 \| 352 \| 0.5580 \| 0.1991 \|
	\| 0.2524 \| 32.98 \| 363 \| 0.5342 \| 0.2021 \|
	\| 0.2516 \| 33.98 \| 374 \| 0.4204 \| 0.1844 \|
	\| 0.2515 \| 34.98 \| 385 \| 0.5135 \| 0.2124 \|
	\| 0.2542 \| 35.98 \| 396 \| 0.8150 \| 0.1962 \|
	\| 0.2269 \| 36.98 \| 407 \| 0.8833 \| 0.2094 \|
	\| 0.212 \| 37.98 \| 418 \| 1.3235 \| 0.2183 \|
	\| 0.2119 \| 38.98 \| 429 \| 0.6919 \| 0.2021 \|
	\| 0.2228 \| 39.98 \| 440 \| 0.6712 \| 0.2021 \|
	\| 0.2127 \| 40.98 \| 451 \| 0.7557 \| 0.1976 \|
	\| 0.2064 \| 41.98 \| 462 \| 0.5918 \| 0.1947 \|
	\| 0.2147 \| 42.98 \| 473 \| 0.8049 \| 0.1962 \|
	\| 0.193 \| 43.98 \| 484 \| 0.7117 \| 0.1976 \|
	\| 0.2063 \| 44.98 \| 495 \| 0.5544 \| 0.1962 \|
	\| 0.1989 \| 45.98 \| 506 \| 0.5782 \| 0.1888 \|
	\| 0.2193 \| 46.98 \| 517 \| 0.5216 \| 0.1947 \|
	\| 0.2012 \| 47.98 \| 528 \| 0.5269 \| 0.1917 \|
	\| 0.2187 \| 48.98 \| 539 \| 0.4636 \| 0.1844 \|
	\| 0.2128 \| 49.98 \| 550 \| 0.4968 \| 0.1888 \|
	\| 0.2041 \| 50.98 \| 561 \| 0.4784 \| 0.1888 \|
	\| 0.1993 \| 51.98 \| 572 \| 0.5592 \| 0.1755 \|
	\| 0.1981 \| 52.98 \| 583 \| 0.4871 \| 0.1785 \|
	\| 0.1808 \| 53.98 \| 594 \| 0.4771 \| 0.1740 \|
	\| 0.2317 \| 54.98 \| 605 \| 0.5285 \| 0.1814 \|
	\| 0.1906 \| 55.98 \| 616 \| 0.5485 \| 0.1844 \|
	\| 0.1924 \| 56.98 \| 627 \| 0.5615 \| 0.1814 \|
	\| 0.1761 \| 57.98 \| 638 \| 0.4604 \| 0.1799 \|
	\| 0.2047 \| 58.98 \| 649 \| 0.4223 \| 0.1829 \|
	\| 0.1992 \| 59.98 \| 660 \| 0.4706 \| 0.1873 \|
	\| 0.1949 \| 60.98 \| 671 \| 0.4633 \| 0.1844 \|
	\| 0.2034 \| 61.98 \| 682 \| 0.4854 \| 0.1814 \|
	\| 0.2147 \| 62.98 \| 693 \| 0.4489 \| 0.1844 \|
	\| 0.2135 \| 63.98 \| 704 \| 0.4874 \| 0.1726 \|
	\| 0.2021 \| 64.98 \| 715 \| 0.4635 \| 0.1814 \|
	\| 0.1822 \| 65.98 \| 726 \| 0.4813 \| 0.1785 \|
	\| 0.1882 \| 66.98 \| 737 \| 0.5076 \| 0.1799 \|
	\| 0.2014 \| 67.98 \| 748 \| 0.5183 \| 0.1888 \|
	\| 0.1869 \| 68.98 \| 759 \| 0.5035 \| 0.1799 \|
	\| 0.1914 \| 69.98 \| 770 \| 0.4694 \| 0.1844 \|
	\| 0.1972 \| 70.98 \| 781 \| 0.4485 \| 0.1844 \|
	\| 0.1724 \| 71.98 \| 792 \| 0.4579 \| 0.1829 \|
	\| 0.195 \| 72.98 \| 803 \| 0.5178 \| 0.1814 \|
	\| 0.2017 \| 73.98 \| 814 \| 0.4978 \| 0.1829 \|
	\| 0.1874 \| 74.98 \| 825 \| 0.5035 \| 0.1873 \|
	\| 0.1925 \| 75.98 \| 836 \| 0.5495 \| 0.1829 \|
	\| 0.1845 \| 76.98 \| 847 \| 0.5394 \| 0.1799 \|
	\| 0.1718 \| 77.98 \| 858 \| 0.5070 \| 0.1711 \|
	\| 0.1824 \| 78.98 \| 869 \| 0.4912 \| 0.1770 \|
	\| 0.1702 \| 79.98 \| 880 \| 0.4632 \| 0.1726 \|
	\| 0.1563 \| 80.98 \| 891 \| 0.4412 \| 0.1726 \|
	\| 0.1858 \| 81.98 \| 902 \| 0.4635 \| 0.1667 \|
	\| 0.1701 \| 82.98 \| 913 \| 0.4838 \| 0.1726 \|
	\| 0.188 \| 83.98 \| 924 \| 0.4775 \| 0.1814 \|
	\| 0.1789 \| 84.98 \| 935 \| 0.4801 \| 0.1740 \|
	\| 0.2134 \| 85.98 \| 946 \| 0.4542 \| 0.1785 \|
	\| 0.2141 \| 86.98 \| 957 \| 0.4499 \| 0.1785 \|
	\| 0.1599 \| 87.98 \| 968 \| 0.4595 \| 0.1770 \|
	\| 0.1927 \| 88.98 \| 979 \| 0.4772 \| 0.1755 \|
	\| 0.1709 \| 89.98 \| 990 \| 0.4588 \| 0.1770 \|
	\| 0.1588 \| 90.98 \| 1001 \| 0.4607 \| 0.1785 \|
	\| 0.1702 \| 91.98 \| 1012 \| 0.4656 \| 0.1829 \|
	\| 0.1646 \| 92.98 \| 1023 \| 0.4631 \| 0.1829 \|
	\| 0.1867 \| 93.98 \| 1034 \| 0.4758 \| 0.1814 \|
	\| 0.1799 \| 94.98 \| 1045 \| 0.4820 \| 0.1755 \|
	\| 0.1611 \| 95.98 \| 1056 \| 0.4846 \| 0.1785 \|
	\| 0.1685 \| 96.98 \| 1067 \| 0.4816 \| 0.1770 \|
	\| 0.19 \| 97.98 \| 1078 \| 0.4781 \| 0.1770 \|
	\| 0.1953 \| 98.98 \| 1089 \| 0.4767 \| 0.1770 \|
	\| 0.188 \| 99.98 \| 1100 \| 0.4774 \| 0.1770 \|


	### Framework versions

	- Transformers 4.25.0.dev0
	- Pytorch 1.8.1+cu111
	- Datasets 2.7.1.dev0
	- Tokenizers 0.13.2