Hugging Face's logo

lilitket
/
20220517-150219

Automatic Speech Recognition
Transformers
PyTorch
wav2vec2
generated_from_trainer
Inference Endpoints
Model card Files Community
20220517-150219 / README.md
lilitket's picture
lilitket
update model card README.md
bb9f277
preview code
|
raw history blame contribute delete
No virus
8.89 kB
metadata
license: apache-2.0
tags:
  - generated_from_trainer
model-index:
  - name: 20220517-150219
    results: []

20220517-150219

This model is a fine-tuned version of facebook/wav2vec2-xls-r-300m on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2426
  • Wer: 0.2344
  • Cer: 0.0434

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: 4
  • eval_batch_size: 8
  • seed: 1339
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 100
  • num_epochs: 2

Training results

Training Loss Epoch Step Validation Loss Wer Cer
5.3867 0.02 200 3.2171 1.0 1.0
3.1288 0.04 400 2.9394 1.0 1.0
1.8298 0.06 600 0.9138 0.8416 0.2039
0.9751 0.07 800 0.6568 0.6928 0.1566
0.7934 0.09 1000 0.5314 0.6225 0.1277
0.663 0.11 1200 0.4759 0.5730 0.1174
0.617 0.13 1400 0.4515 0.5578 0.1118
0.5473 0.15 1600 0.4017 0.5157 0.1004
0.5283 0.17 1800 0.3872 0.5094 0.0982
0.4893 0.18 2000 0.3725 0.4860 0.0932
0.495 0.2 2200 0.3580 0.4542 0.0878
0.4438 0.22 2400 0.3443 0.4366 0.0858
0.4425 0.24 2600 0.3428 0.4284 0.0865
0.4293 0.26 2800 0.3329 0.4221 0.0819
0.3779 0.28 3000 0.3278 0.4146 0.0794
0.4116 0.29 3200 0.3242 0.4107 0.0757
0.3912 0.31 3400 0.3217 0.4040 0.0776
0.391 0.33 3600 0.3127 0.3955 0.0764
0.3696 0.35 3800 0.3153 0.3892 0.0748
0.3576 0.37 4000 0.3156 0.3846 0.0737
0.3553 0.39 4200 0.3024 0.3814 0.0726
0.3394 0.4 4400 0.3022 0.3637 0.0685
0.3345 0.42 4600 0.3130 0.3641 0.0698
0.3357 0.44 4800 0.2913 0.3602 0.0701
0.3411 0.46 5000 0.2941 0.3514 0.0674
0.3031 0.48 5200 0.3043 0.3613 0.0685
0.3305 0.5 5400 0.2967 0.3468 0.0657
0.3004 0.51 5600 0.2723 0.3309 0.0616
0.31 0.53 5800 0.2835 0.3404 0.0648
0.3224 0.55 6000 0.2743 0.3358 0.0622
0.3261 0.57 6200 0.2803 0.3358 0.0620
0.305 0.59 6400 0.2835 0.3397 0.0629
0.3025 0.61 6600 0.2684 0.3340 0.0639
0.2952 0.62 6800 0.2654 0.3256 0.0617
0.2903 0.64 7000 0.2588 0.3174 0.0596
0.2907 0.66 7200 0.2789 0.3256 0.0623
0.2887 0.68 7400 0.2634 0.3142 0.0605
0.291 0.7 7600 0.2644 0.3097 0.0582
0.2646 0.72 7800 0.2753 0.3089 0.0582
0.2683 0.73 8000 0.2703 0.3036 0.0574
0.2808 0.75 8200 0.2544 0.2994 0.0561
0.2724 0.77 8400 0.2584 0.3051 0.0592
0.2516 0.79 8600 0.2575 0.2959 0.0557
0.2561 0.81 8800 0.2594 0.2945 0.0552
0.264 0.83 9000 0.2607 0.2987 0.0552
0.2383 0.84 9200 0.2641 0.2983 0.0546
0.2548 0.86 9400 0.2714 0.2930 0.0538
0.2284 0.88 9600 0.2542 0.2945 0.0555
0.2354 0.9 9800 0.2564 0.2937 0.0551
0.2624 0.92 10000 0.2466 0.2891 0.0542
0.24 0.94 10200 0.2404 0.2895 0.0528
0.2372 0.95 10400 0.2590 0.2782 0.0518
0.2357 0.97 10600 0.2629 0.2867 0.0531
0.2439 0.99 10800 0.2722 0.2902 0.0556
0.2204 1.01 11000 0.2618 0.2856 0.0535
0.2043 1.03 11200 0.2662 0.2789 0.0520
0.2081 1.05 11400 0.2744 0.2831 0.0532
0.199 1.06 11600 0.2586 0.2800 0.0519
0.2063 1.08 11800 0.2711 0.2842 0.0531
0.2116 1.1 12000 0.2463 0.2782 0.0529
0.2095 1.12 12200 0.2371 0.2757 0.0510
0.1786 1.14 12400 0.2693 0.2768 0.0520
0.1999 1.16 12600 0.2625 0.2793 0.0513
0.1985 1.17 12800 0.2734 0.2796 0.0532
0.187 1.19 13000 0.2654 0.2676 0.0514
0.188 1.21 13200 0.2548 0.2648 0.0489
0.1853 1.23 13400 0.2684 0.2641 0.0509
0.197 1.25 13600 0.2589 0.2662 0.0507
0.1873 1.27 13800 0.2633 0.2686 0.0516
0.179 1.28 14000 0.2682 0.2598 0.0508
0.2008 1.3 14200 0.2505 0.2609 0.0493
0.1802 1.32 14400 0.2470 0.2598 0.0493
0.1903 1.34 14600 0.2572 0.2672 0.0500
0.1852 1.36 14800 0.2576 0.2633 0.0491
0.1933 1.38 15000 0.2649 0.2602 0.0493
0.191 1.4 15200 0.2578 0.2612 0.0484
0.1863 1.41 15400 0.2572 0.2566 0.0488
0.1785 1.43 15600 0.2661 0.2520 0.0478
0.1755 1.45 15800 0.2637 0.2605 0.0485
0.1677 1.47 16000 0.2481 0.2559 0.0478
0.1633 1.49 16200 0.2584 0.2531 0.0476
0.166 1.51 16400 0.2576 0.2595 0.0487
0.1798 1.52 16600 0.2517 0.2570 0.0488
0.1879 1.54 16800 0.2555 0.2531 0.0479
0.1636 1.56 17000 0.2419 0.2467 0.0464
0.1706 1.58 17200 0.2426 0.2457 0.0463
0.1763 1.6 17400 0.2427 0.2496 0.0467
0.1687 1.62 17600 0.2507 0.2496 0.0467
0.1662 1.63 17800 0.2553 0.2474 0.0466
0.1637 1.65 18000 0.2576 0.2450 0.0461
0.1744 1.67 18200 0.2394 0.2414 0.0454
0.1597 1.69 18400 0.2442 0.2443 0.0452
0.1606 1.71 18600 0.2488 0.2435 0.0453
0.1558 1.73 18800 0.2563 0.2464 0.0464
0.172 1.74 19000 0.2501 0.2411 0.0452
0.1594 1.76 19200 0.2481 0.2460 0.0458
0.1732 1.78 19400 0.2427 0.2414 0.0443
0.1706 1.8 19600 0.2367 0.2418 0.0446
0.1724 1.82 19800 0.2376 0.2390 0.0444
0.1621 1.84 20000 0.2430 0.2382 0.0438
0.1501 1.85 20200 0.2445 0.2404 0.0438
0.1526 1.87 20400 0.2472 0.2361 0.0436
0.1756 1.89 20600 0.2431 0.2400 0.0437
0.1598 1.91 20800 0.2472 0.2368 0.0439
0.1554 1.93 21000 0.2431 0.2347 0.0435
0.1354 1.95 21200 0.2427 0.2354 0.0438
0.1587 1.96 21400 0.2427 0.2347 0.0435
0.1541 1.98 21600 0.2426 0.2344 0.0434

Framework versions

  • Transformers 4.18.0.dev0
  • Pytorch 1.10.0+cu113
  • Datasets 2.1.0
  • Tokenizers 0.11.6