versae's picture
Librarian Bot: Add base_model information to model (#1)
3dc48e8
metadata
license: cc0-1.0
tags:
  - generated_from_trainer
base_model: KBLab/wav2vec2-large-voxrex
model-index:
  - name: wav2vec2-large-voxrex-npsc-nst
    results: []

wav2vec2-large-voxrex-npsc-nst

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

  • Loss: 0.0475
  • Wer: 0.0514

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: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 2000
  • num_epochs: 15.0
  • mixed_precision_training: Native AMP

Training results

Training Loss Epoch Step Validation Loss Wer
3.3888 0.05 500 3.2558 1.0
2.7683 0.11 1000 2.4163 1.0000
0.6279 0.16 1500 0.3610 0.3608
0.5093 0.21 2000 0.2610 0.2776
0.4024 0.26 2500 0.2219 0.2303
0.3705 0.32 3000 0.1940 0.2043
0.3588 0.37 3500 0.1806 0.1822
0.3312 0.42 4000 0.1611 0.1736
0.3062 0.47 4500 0.1571 0.1619
0.2838 0.53 5000 0.1482 0.1552
0.2896 0.58 5500 0.1406 0.1482
0.2704 0.63 6000 0.1311 0.1467
0.263 0.69 6500 0.1258 0.1406
0.2574 0.74 7000 0.1252 0.1343
0.252 0.79 7500 0.1162 0.1279
0.2355 0.84 8000 0.1161 0.1275
0.2381 0.9 8500 0.1095 0.1247
0.2354 0.95 9000 0.1106 0.1250
0.234 1.0 9500 0.1044 0.1186
0.2094 1.05 10000 0.1052 0.1157
0.2088 1.11 10500 0.1026 0.1158
0.2123 1.16 11000 0.0998 0.1120
0.3087 1.21 11500 0.0971 0.1108
0.1995 1.26 12000 0.0973 0.1085
0.1989 1.32 12500 0.0928 0.1063
0.1993 1.37 13000 0.0920 0.1064
0.1996 1.42 13500 0.0904 0.1050
0.1917 1.48 14000 0.0895 0.1051
0.1857 1.53 14500 0.0889 0.1038
0.1871 1.58 15000 0.0867 0.1054
0.2047 1.63 15500 0.0866 0.1017
0.1845 1.69 16000 0.0865 0.1007
0.178 1.74 16500 0.0835 0.0999
0.1741 1.79 17000 0.0838 0.0985
0.1737 1.84 17500 0.0833 0.0966
0.1713 1.9 18000 0.0799 0.0963
0.1703 1.95 18500 0.0802 0.0950
0.1735 2.0 19000 0.0785 0.0926
0.1619 2.06 19500 0.0785 0.0930
0.1707 2.11 20000 0.0787 0.0928
0.17 2.16 20500 0.0765 0.0902
0.1604 2.21 21000 0.0772 0.0918
0.1576 2.27 21500 0.0745 0.0912
0.1529 2.32 22000 0.0741 0.0906
0.1435 2.37 22500 0.0751 0.0888
0.1526 2.42 23000 0.0734 0.0892
0.1471 2.48 23500 0.0746 0.0886
0.1553 2.53 24000 0.0727 0.0872
0.1641 2.58 24500 0.0720 0.0862
0.1495 2.64 25000 0.0707 0.0868
0.1498 2.69 25500 0.0719 0.0864
0.1438 2.74 26000 0.0703 0.0853
0.1532 2.79 26500 0.0710 0.0854
0.1435 2.85 27000 0.0690 0.0847
0.1486 2.9 27500 0.0683 0.0882
0.1359 2.95 28000 0.0673 0.0839
0.1309 3.0 28500 0.0687 0.0843
0.1312 3.06 29000 0.0696 0.0865
0.1387 3.11 29500 0.0667 0.0857
0.1327 3.16 30000 0.0667 0.0845
0.1251 3.21 30500 0.0662 0.0820
0.1415 3.27 31000 0.0652 0.0831
0.1221 3.32 31500 0.0660 0.0822
0.1337 3.37 32000 0.0658 0.0799
0.1342 3.43 32500 0.0650 0.0808
0.1391 3.48 33000 0.0658 0.0791
0.1351 3.53 33500 0.0654 0.0794
0.1309 3.58 34000 0.0650 0.0781
0.1317 3.64 34500 0.0629 0.0783
0.1326 3.69 35000 0.0637 0.0795
0.1296 3.74 35500 0.0624 0.0773
0.1156 3.79 36000 0.0613 0.0759
0.1242 3.85 36500 0.0627 0.0761
0.1251 3.9 37000 0.0638 0.0758
0.1335 3.95 37500 0.0620 0.0756
0.1374 4.01 38000 0.0628 0.0756
0.1227 4.06 38500 0.0637 0.0770
0.1144 4.11 39000 0.0637 0.0775
0.1222 4.16 39500 0.0630 0.0738
0.1207 4.22 40000 0.0607 0.0720
0.1181 4.27 40500 0.0608 0.0724
0.1259 4.32 41000 0.0608 0.0734
0.1137 4.37 41500 0.0623 0.0718
0.1275 4.43 42000 0.0620 0.0721
0.1218 4.48 42500 0.0599 0.0703
0.1212 4.53 43000 0.0612 0.0708
0.1144 4.59 43500 0.0589 0.0702
0.1199 4.64 44000 0.0589 0.0695
0.1113 4.69 44500 0.0601 0.0698
0.1108 4.74 45000 0.0584 0.0695
0.1196 4.8 45500 0.0596 0.0694
0.1216 4.85 46000 0.0578 0.0703
0.1188 4.9 46500 0.0596 0.0684
0.1122 4.95 47000 0.0584 0.0671
0.1115 5.01 47500 0.0594 0.0682
0.1777 5.06 48000 0.0597 0.0682
0.108 5.11 48500 0.0573 0.0691
0.1132 5.16 49000 0.0583 0.0666
0.1091 5.22 49500 0.0582 0.0672
0.1056 5.27 50000 0.0578 0.0674
0.1027 5.32 50500 0.0574 0.0671
0.1112 5.38 51000 0.0569 0.0659
0.1096 5.43 51500 0.0582 0.0662
0.1098 5.48 52000 0.0576 0.0667
0.1088 5.53 52500 0.0560 0.0679
0.1076 5.59 53000 0.0579 0.0664
0.1037 5.64 53500 0.0556 0.0661
0.1039 5.69 54000 0.0572 0.0675
0.108 5.74 54500 0.0562 0.0662
0.1069 5.8 55000 0.0576 0.0663
0.1066 5.85 55500 0.0564 0.0651
0.0939 5.9 56000 0.0566 0.0644
0.1118 5.96 56500 0.0570 0.0650
0.1111 6.01 57000 0.0563 0.0668
0.1014 6.06 57500 0.0557 0.0660
0.0971 6.11 58000 0.0567 0.0667
0.0932 6.17 58500 0.0559 0.0664
0.1002 6.22 59000 0.0551 0.0640
0.1028 6.27 59500 0.0560 0.0629
0.0992 6.32 60000 0.0547 0.0641
0.0975 6.38 60500 0.0556 0.0630
0.0957 6.43 61000 0.0555 0.0632
0.0931 6.48 61500 0.0546 0.0641
0.0999 6.54 62000 0.0556 0.0633
0.0998 6.59 62500 0.0539 0.0628
0.0991 6.64 63000 0.0559 0.0630
0.1027 6.69 63500 0.0549 0.0628
0.097 6.75 64000 0.0547 0.0628
0.0933 6.8 64500 0.0544 0.0633
0.0919 6.85 65000 0.0535 0.0640
0.0973 6.9 65500 0.0543 0.0619
0.0979 6.96 66000 0.0525 0.0620
0.1076 7.01 66500 0.0529 0.0615
0.0888 7.06 67000 0.0546 0.0617
0.0926 7.11 67500 0.0530 0.0636
0.0902 7.17 68000 0.0540 0.0631
0.1004 7.22 68500 0.0529 0.0624
0.0963 7.27 69000 0.0534 0.0631
0.0946 7.33 69500 0.0534 0.0601
0.0897 7.38 70000 0.0525 0.0607
0.0925 7.43 70500 0.0535 0.0599
0.0883 7.48 71000 0.0518 0.0605
0.0942 7.54 71500 0.0522 0.0587
0.0863 7.59 72000 0.0533 0.0593
0.0894 7.64 72500 0.0529 0.0587
0.0908 7.69 73000 0.0519 0.0596
0.0878 7.75 73500 0.0521 0.0585
0.0949 7.8 74000 0.0524 0.0588
0.0962 7.85 74500 0.0521 0.0581
0.0918 7.91 75000 0.0513 0.0579
0.0933 7.96 75500 0.0522 0.0582
0.0839 8.01 76000 0.0536 0.0579
0.0868 8.06 76500 0.0526 0.0577
0.086 8.12 77000 0.0525 0.0590
0.0801 8.17 77500 0.0533 0.0586
0.0845 8.22 78000 0.0516 0.0578
0.0895 8.27 78500 0.0530 0.0583
0.0841 8.33 79000 0.0515 0.0584
0.0921 8.38 79500 0.0518 0.0573
0.0897 8.43 80000 0.0514 0.0583
0.0889 8.49 80500 0.0508 0.0582
0.1783 8.54 81000 0.0507 0.0574
0.0854 8.59 81500 0.0505 0.0580
0.0855 8.64 82000 0.0513 0.0577
0.0843 8.7 82500 0.0508 0.0580
0.0858 8.75 83000 0.0501 0.0578
0.0814 8.8 83500 0.0509 0.0580
0.0823 8.85 84000 0.0509 0.0575
0.0857 8.91 84500 0.0499 0.0599
0.0787 8.96 85000 0.0505 0.0598
0.0805 9.01 85500 0.0510 0.0606
0.0798 9.07 86000 0.0515 0.0603
0.0812 9.12 86500 0.0507 0.0586
0.0781 9.17 87000 0.0511 0.0612
0.0814 9.22 87500 0.0508 0.0589
0.0821 9.28 88000 0.0507 0.0588
0.0808 9.33 88500 0.0498 0.0571
0.0793 9.38 89000 0.0502 0.0574
0.0791 9.43 89500 0.0498 0.0568
0.0779 9.49 90000 0.0507 0.0570
0.0777 9.54 90500 0.0508 0.0573
0.0816 9.59 91000 0.0493 0.0573
0.0835 9.64 91500 0.0496 0.0563
0.0827 9.7 92000 0.0493 0.0559
0.0904 9.75 92500 0.0492 0.0564
0.0753 9.8 93000 0.0503 0.0557
0.0748 9.86 93500 0.0493 0.0554
0.0759 9.91 94000 0.0499 0.0557
0.0825 9.96 94500 0.0498 0.0566
0.0787 10.01 95000 0.0499 0.0561
0.0804 10.07 95500 0.0499 0.0562
0.0784 10.12 96000 0.0500 0.0555
0.0747 10.17 96500 0.0497 0.0548
0.0748 10.22 97000 0.0492 0.0565
0.0732 10.28 97500 0.0493 0.0547
0.0766 10.33 98000 0.0490 0.0552
0.0762 10.38 98500 0.0504 0.0551
0.0744 10.44 99000 0.0496 0.0553
0.0702 10.49 99500 0.0496 0.0548
0.0802 10.54 100000 0.0499 0.0545
0.1605 10.59 100500 0.0477 0.0543
0.0768 10.65 101000 0.0487 0.0552
0.0833 10.7 101500 0.0495 0.0550
0.0782 10.75 102000 0.0479 0.0553
0.0813 10.8 102500 0.0490 0.0542
0.0712 10.86 103000 0.0485 0.0541
0.0703 10.91 103500 0.0486 0.0544
0.0765 10.96 104000 0.0480 0.0538
0.0796 11.02 104500 0.0486 0.0535
0.0778 11.07 105000 0.0492 0.0535
0.0735 11.12 105500 0.0494 0.0533
0.068 11.17 106000 0.0485 0.0528
0.0687 11.23 106500 0.0498 0.0534
0.0641 11.28 107000 0.0493 0.0534
0.0712 11.33 107500 0.0485 0.0526
0.0827 11.38 108000 0.0484 0.0530
0.0715 11.44 108500 0.0480 0.0533
0.0733 11.49 109000 0.0482 0.0532
0.0754 11.54 109500 0.0481 0.0537
0.0719 11.59 110000 0.0475 0.0533
0.0707 11.65 110500 0.0479 0.0536
0.0687 11.7 111000 0.0483 0.0535
0.0713 11.75 111500 0.0485 0.0535
0.0674 11.81 112000 0.0482 0.0537
0.0704 11.86 112500 0.0487 0.0537
0.0691 11.91 113000 0.0484 0.0541
0.0708 11.96 113500 0.0485 0.0548
0.0683 12.02 114000 0.0487 0.0541
0.0691 12.07 114500 0.0492 0.0540
0.0679 12.12 115000 0.0486 0.0540
0.073 12.17 115500 0.0479 0.0545
0.0647 12.23 116000 0.0484 0.0534
0.0663 12.28 116500 0.0484 0.0532
0.0687 12.33 117000 0.0483 0.0532
0.0696 12.39 117500 0.0482 0.0541
0.068 12.44 118000 0.0487 0.0531
0.0681 12.49 118500 0.0483 0.0530
0.0774 12.54 119000 0.0481 0.0533
0.0656 12.6 119500 0.0484 0.0529
0.0628 12.65 120000 0.0479 0.0533
0.0657 12.7 120500 0.0490 0.0538
0.0668 12.75 121000 0.0485 0.0533
0.0656 12.81 121500 0.0484 0.0531
0.0745 12.86 122000 0.0474 0.0526
0.0654 12.91 122500 0.0485 0.0528
0.0764 12.97 123000 0.0482 0.0529
0.0673 13.02 123500 0.0491 0.0526
0.0649 13.07 124000 0.0489 0.0527
0.0655 13.12 124500 0.0485 0.0520
0.0688 13.18 125000 0.0476 0.0524
0.0683 13.23 125500 0.0475 0.0523
0.0632 13.28 126000 0.0480 0.0528
0.063 13.33 126500 0.0483 0.0528
0.1418 13.39 127000 0.0464 0.0531
0.0693 13.44 127500 0.0473 0.0525
0.0696 13.49 128000 0.0477 0.0519
0.0644 13.54 128500 0.0477 0.0520
0.0625 13.6 129000 0.0480 0.0518
0.0682 13.65 129500 0.0471 0.0517
0.0698 13.7 130000 0.0480 0.0521
0.0643 13.76 130500 0.0482 0.0522
0.065 13.81 131000 0.0478 0.0521
0.0648 13.86 131500 0.0482 0.0519
0.0689 13.91 132000 0.0476 0.0520
0.0721 13.97 132500 0.0473 0.0523
0.0652 14.02 133000 0.0474 0.0519
0.0651 14.07 133500 0.0479 0.0519
0.0638 14.12 134000 0.0478 0.0520
0.0626 14.18 134500 0.0482 0.0519
0.0656 14.23 135000 0.0479 0.0521
0.0633 14.28 135500 0.0478 0.0519
0.0665 14.34 136000 0.0480 0.0519
0.0638 14.39 136500 0.0478 0.0517
0.0691 14.44 137000 0.0474 0.0515
0.0642 14.49 137500 0.0476 0.0514
0.0696 14.55 138000 0.0475 0.0515
0.0601 14.6 138500 0.0478 0.0515
0.0616 14.65 139000 0.0476 0.0515
0.0648 14.7 139500 0.0477 0.0516
0.0682 14.76 140000 0.0477 0.0515
0.0641 14.81 140500 0.0474 0.0515
0.0579 14.86 141000 0.0475 0.0514
0.0613 14.92 141500 0.0475 0.0514
0.0624 14.97 142000 0.0475 0.0514

Framework versions

  • Transformers 4.18.0
  • Pytorch 1.11.0+cu113
  • Datasets 2.1.0
  • Tokenizers 0.12.1