動手練習

現在是時候親自體驗一些音訊模型，並應用您目前所學到的知識了。本練習是獲得課程結業證書所需的四項動手練習之一。

以下是說明。在本單元中，我們演示瞭如何對 marsyas/gtzan 資料集上的 Hubert 模型進行微調，以用於音樂分類。我們的示例達到了 83% 的準確率。您的任務是提高此準確率指標。

您可以隨意選擇 🤗 Hub 上您認為適合音訊分類的任何模型，並使用完全相同的資料集 marsyas/gtzan 來構建您自己的分類器。

您的目標是使用您的分類器在此資料集上達到 87% 的準確率。您可以選擇完全相同的模型，並調整訓練超引數，或者選擇一個完全不同的模型——這由您決定！

為了使您的結果計入證書，請不要忘記在訓練結束時按照本單元所示，使用以下 **kwargs 將您的模型推送到 Hub：

kwargs = {
    "dataset_tags": "marsyas/gtzan",
    "dataset": "GTZAN",
    "model_name": f"{model_name}-finetuned-gtzan",
    "finetuned_from": model_id,
    "tasks": "audio-classification",
}

trainer.push_to_hub(**kwargs)

以下是您在進行此練習時可能會覺得有幫助的一些額外資源：

• Transformers 文件中的音訊分類任務指南
• Hubert 模型文件
• M-CTC-T 模型文件
• 音訊頻譜轉換器文件
• Wav2Vec2 文件

歡迎構建您的模型演示，並在 Discord 上分享！如果您有問題，請在 #audio-study-group 頻道中提出。