hubert-base-960h-itw-deepfake

该模型是 facebook/hubert-base-ls960 在一个未知数据集上的微调版本。它在评估集上取得了以下结果：

损失：0.0756
准确率：0.9873
误识率（FAR）：0.0083
拒识率（FRR）：0.0203
等错误率（EER）：0.0143

模型说明

快速使用

  device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

  config = AutoConfig.from_pretrained("abhishtagatya/hubert-base-960h-itw-deepfake")
  feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("abhishtagatya/hubert-base-960h-itw-deepfake")

  model = HubertForSequenceClassification.from_pretrained("abhishtagatya/hubert-base-960h-itw-deepfake", config=config).to(device)

  # Your Logic Here

预期用途与局限性

需要更多信息

训练与评估数据

需要更多信息

训练过程

训练超参数

训练过程中使用了以下超参数：

learning_rate: 1e-06
train_batch_size: 2
eval_batch_size: 2
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 4
optimizer: Adam，betas=(0.9,0.999)，epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2.0

训练结果

训练损失	轮次	步数	验证损失	准确率	错误接受率	错误拒绝率	等错误率
0.4081	0.39	2500	0.1152	0.9722	0.0285	0.0267	0.0276
0.1168	0.79	5000	0.0822	0.9844	0.0120	0.0216	0.0168
0.0979	1.18	7500	0.0896	0.9846	0.0130	0.0195	0.0162
0.0983	1.57	10000	0.1007	0.9833	0.0155	0.0186	0.0171
0.0901	1.97	12500	0.0756	0.9873	0.0083	0.0203	0.0143

框架版本

Transformers 4.38.0.dev0
Pytorch 2.1.2+cu121
Datasets 2.16.2.dev0
Tokenizers 0.15.1

hubert-base-960h-itw-deepfake

该模型是 facebook/hubert-base-ls960 在一个未知数据集上的微调版本。它在评估集上取得了以下结果：

损失：0.0756
准确率：0.9873
误识率（FAR）：0.0083
拒识率（FRR）：0.0203
等错误率（EER）：0.0143

模型说明

快速使用

  device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

  config = AutoConfig.from_pretrained("abhishtagatya/hubert-base-960h-itw-deepfake")
  feature_extractor = Wav2Vec2FeatureExtractor.from_pretrained("abhishtagatya/hubert-base-960h-itw-deepfake")

  model = HubertForSequenceClassification.from_pretrained("abhishtagatya/hubert-base-960h-itw-deepfake", config=config).to(device)

  # Your Logic Here

预期用途与局限性

需要更多信息

训练与评估数据

需要更多信息

训练过程

训练超参数

训练过程中使用了以下超参数：

learning_rate: 1e-06
train_batch_size: 2
eval_batch_size: 2
seed: 42
gradient_accumulation_steps: 2
total_train_batch_size: 4
optimizer: Adam，betas=(0.9,0.999)，epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 2.0

训练结果

训练损失	轮次	步数	验证损失	准确率	错误接受率	错误拒绝率	等错误率
0.4081	0.39	2500	0.1152	0.9722	0.0285	0.0267	0.0276
0.1168	0.79	5000	0.0822	0.9844	0.0120	0.0216	0.0168
0.0979	1.18	7500	0.0896	0.9846	0.0130	0.0195	0.0162
0.0983	1.57	10000	0.1007	0.9833	0.0155	0.0186	0.0171
0.0901	1.97	12500	0.0756	0.9873	0.0083	0.0203	0.0143

框架版本

Transformers 4.38.0.dev0
Pytorch 2.1.2+cu121
Datasets 2.16.2.dev0
Tokenizers 0.15.1