whisper_char_cv12_pad_lob100_low_sup__0105

This model is a fine-tuned version of openai/whisper-tiny on an unknown dataset. It achieves the following results on the evaluation set:

• Train Loss: 0.0003
• Train Accuracy: 0.1116
• Train Wermet: 5.8167
• Validation Loss: 0.5641
• Validation Accuracy: 0.0640
• Validation Wermet: 11.8858
• Epoch: 104

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:

• optimizer: {'name': 'AdamWeightDecay', 'learning_rate': 1e-05, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-07, 'amsgrad': False, 'weight_decay_rate': 0.01}
• training_precision: float32

Training results

Train Loss	Train Accuracy	Train Wermet	Validation Loss	Validation Accuracy	Validation Wermet	Epoch
2.5942	0.0399	3.6402	1.9371	0.0319	16.1531	0
1.8766	0.0532	6.8384	1.7437	0.0343	15.0408	1
1.7251	0.0570	5.9150	1.6630	0.0358	10.5002	2
1.6457	0.0591	5.1153	1.5993	0.0369	10.4737	3
1.5935	0.0604	4.8231	1.5582	0.0375	8.5794	4
1.5526	0.0615	4.1987	1.5103	0.0385	9.4130	5
1.5165	0.0625	4.0179	1.4812	0.0391	6.6025	6
1.4868	0.0633	3.6770	1.4465	0.0399	6.7562	7
1.4565	0.0642	3.3851	1.4326	0.0402	6.3327	8
1.4271	0.0650	3.2883	1.3788	0.0413	6.5933	9
1.3965	0.0659	3.0822	1.3558	0.0415	5.7852	10
1.3541	0.0671	2.8659	1.2958	0.0429	5.2978	11
1.3066	0.0684	2.4942	1.2323	0.0440	4.9600	12
1.2401	0.0703	2.0745	1.1430	0.0456	3.6837	13
1.1549	0.0728	1.6202	1.0353	0.0478	2.9217	14
1.0653	0.0755	1.3041	0.9650	0.0492	2.0673	15
0.9765	0.0783	1.0922	0.8766	0.0510	2.7441	16
0.8977	0.0808	1.2561	0.8053	0.0524	3.6015	17
0.8246	0.0831	1.2955	0.7391	0.0537	3.2922	18
0.7591	0.0852	1.3109	0.7221	0.0541	3.6946	19
0.6988	0.0872	1.3303	0.6366	0.0559	3.8377	20
0.6424	0.0891	1.3256	0.5883	0.0569	4.1079	21
0.5925	0.0908	1.3637	0.5649	0.0575	3.7297	22
0.5405	0.0925	1.3142	0.5193	0.0584	3.5121	23
0.4929	0.0942	1.3157	0.4836	0.0591	4.8017	24
0.4523	0.0956	1.4635	0.4542	0.0598	4.5538	25
0.4116	0.0971	1.5118	0.4377	0.0602	4.9221	26
0.3759	0.0984	1.6392	0.4101	0.0608	5.6152	27
0.3446	0.0994	1.7744	0.3890	0.0613	7.0303	28
0.3176	0.1004	2.1998	0.3751	0.0616	8.1772	29
0.2945	0.1012	2.5525	0.3598	0.0619	8.2165	30
0.2739	0.1019	2.7708	0.3425	0.0623	9.8904	31
0.2553	0.1026	3.0620	0.3336	0.0625	9.8263	32
0.2380	0.1032	3.3150	0.3248	0.0627	10.1323	33
0.2225	0.1037	3.4188	0.3186	0.0629	9.8005	34
0.2074	0.1043	3.4245	0.3194	0.0629	10.0836	35
0.1921	0.1048	3.5998	0.3096	0.0631	10.9020	36
0.1795	0.1053	3.7938	0.3075	0.0632	11.1284	37
0.1671	0.1057	3.7413	0.3038	0.0633	10.9362	38
0.1546	0.1061	3.7830	0.3024	0.0634	10.7771	39
0.1432	0.1066	3.6808	0.3035	0.0635	11.4689	40
0.1319	0.1070	3.7824	0.3027	0.0635	10.9949	41
0.1211	0.1074	3.9301	0.3060	0.0636	10.8937	42
0.1113	0.1077	3.8509	0.3060	0.0636	10.7188	43
0.1012	0.1081	3.8780	0.3104	0.0636	10.6993	44
0.0922	0.1085	3.6982	0.3123	0.0637	10.6308	45
0.0827	0.1088	3.7227	0.3185	0.0637	10.8392	46
0.0741	0.1092	3.7235	0.3222	0.0637	10.2774	47
0.0665	0.1095	3.7106	0.3314	0.0637	9.5736	48
0.0589	0.1098	3.6104	0.3393	0.0636	9.9114	49
0.0515	0.1100	3.6150	0.3431	0.0637	10.1000	50
0.0453	0.1103	3.6760	0.3542	0.0636	9.4499	51
0.0389	0.1105	3.7376	0.3607	0.0636	9.6629	52
0.0335	0.1107	3.7707	0.3692	0.0637	9.5104	53
0.0283	0.1109	3.7655	0.3771	0.0636	9.6379	54
0.0246	0.1110	3.9511	0.3898	0.0636	9.7582	55
0.0211	0.1111	3.9487	0.3960	0.0636	10.0651	56
0.0191	0.1112	4.0695	0.4041	0.0636	9.1873	57
0.0150	0.1113	4.2329	0.4158	0.0636	10.5777	58
0.0117	0.1114	4.3648	0.4241	0.0636	10.1904	59
0.0096	0.1115	4.3534	0.4333	0.0636	10.3831	60
0.0084	0.1115	4.4131	0.4417	0.0636	10.2134	61
0.0072	0.1115	4.4827	0.4539	0.0636	10.4537	62
0.0101	0.1114	4.6105	0.4701	0.0635	9.2620	63
0.0114	0.1113	4.4725	0.4602	0.0637	11.3443	64
0.0056	0.1115	4.6820	0.4678	0.0637	10.8401	65
0.0035	0.1115	4.7095	0.4748	0.0637	10.8410	66
0.0033	0.1115	4.5291	0.4831	0.0637	10.3950	67
0.0029	0.1115	4.4502	0.4916	0.0637	10.8216	68
0.0184	0.1110	4.2753	0.4987	0.0634	10.2126	69
0.0091	0.1113	4.1128	0.4833	0.0638	10.8605	70
0.0033	0.1115	4.1755	0.4911	0.0638	10.4538	71
0.0026	0.1115	4.3450	0.5009	0.0637	10.1961	72
0.0039	0.1115	4.6335	0.5079	0.0637	11.0165	73
0.0030	0.1115	4.5756	0.5071	0.0637	9.9384	74
0.0017	0.1115	4.6589	0.5090	0.0638	10.8814	75
0.0012	0.1115	4.8756	0.5146	0.0638	10.9099	76
0.0013	0.1115	4.9431	0.5220	0.0638	10.5558	77
0.0136	0.1111	4.8817	0.5117	0.0637	10.1668	78
0.0038	0.1115	5.1236	0.5118	0.0638	11.3651	79
0.0017	0.1115	5.3989	0.5176	0.0638	11.3609	80
0.0014	0.1115	5.5658	0.5231	0.0638	11.5637	81
0.0008	0.1115	5.4076	0.5273	0.0638	11.5293	82
0.0007	0.1116	5.5166	0.5325	0.0638	11.6874	83
0.0007	0.1115	5.3020	0.5370	0.0638	11.6410	84
0.0006	0.1116	5.3834	0.5424	0.0638	11.4686	85
0.0005	0.1115	5.2441	0.5482	0.0638	11.7770	86
0.0161	0.1110	5.8611	0.5310	0.0637	14.1541	87
0.0043	0.1115	6.7439	0.5302	0.0638	13.7884	88
0.0016	0.1115	6.4034	0.5337	0.0639	13.2969	89
0.0009	0.1115	6.4491	0.5361	0.0639	13.3960	90
0.0007	0.1115	6.4412	0.5412	0.0639	13.6544	91
0.0005	0.1115	6.4941	0.5451	0.0639	13.4296	92
0.0005	0.1116	6.4763	0.5493	0.0639	13.9268	93
0.0005	0.1115	6.4452	0.5595	0.0638	12.9971	94
0.0125	0.1111	5.7381	0.5505	0.0636	10.6493	95
0.0066	0.1114	5.3763	0.5383	0.0639	10.1229	96
0.0022	0.1115	5.4800	0.5424	0.0639	12.3926	97
0.0013	0.1115	5.6556	0.5460	0.0639	11.1784	98
0.0012	0.1115	6.1793	0.5467	0.0639	11.4956	99
0.0006	0.1115	6.0584	0.5492	0.0640	12.1496	100
0.0004	0.1116	5.8904	0.5531	0.0640	12.1934	101
0.0003	0.1116	5.8994	0.5566	0.0640	12.0296	102
0.0003	0.1116	5.8099	0.5608	0.0640	12.1687	103
0.0003	0.1116	5.8167	0.5641	0.0640	11.8858	104

Framework versions

• Transformers 4.33.0.dev0
• TensorFlow 2.13.0
• Tokenizers 0.13.3