动手练习

现在是时候亲自体验一些音频模型，并应用您目前所学到的知识了。本练习是获得课程结业证书所需的四项动手练习之一。

以下是说明。在本单元中，我们演示了如何对 marsyas/gtzan 数据集上的 Hubert 模型进行微调，以用于音乐分类。我们的示例达到了 83% 的准确率。您的任务是提高此准确率指标。

您可以随意选择 🤗 Hub 上您认为适合音频分类的任何模型，并使用完全相同的数据集 marsyas/gtzan 来构建您自己的分类器。

您的目标是使用您的分类器在此数据集上达到 87% 的准确率。您可以选择完全相同的模型，并调整训练超参数，或者选择一个完全不同的模型——这由您决定！

为了使您的结果计入证书，请不要忘记在训练结束时按照本单元所示，使用以下 **kwargs 将您的模型推送到 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)

以下是您在进行此练习时可能会觉得有帮助的一些额外资源：

• Transformers 文档中的音频分类任务指南
• Hubert 模型文档
• M-CTC-T 模型文档
• 音频频谱转换器文档
• Wav2Vec2 文档

欢迎构建您的模型演示，并在 Discord 上分享！如果您有问题，请在 #audio-study-group 频道中提出。