动手练习
现在是时候动手操作一些音频模型，并应用你到目前为止学到的知识了。此练习是获得课程完成证书所需的四个动手练习之一。
以下是说明。在本单元中，我们演示了如何针对音乐分类对 `marsyas/gtzan` 数据集微调 Hubert 模型。我们的示例实现了 83% 的准确率。你的任务是提高这个准确率指标。
你可以随意选择 🤗 Hub 上的任何你认为适合音频分类的模型，并使用完全相同的数据集 marsyas/gtzan 构建你自己的分类器。
你的目标是使用你的分类器在这个数据集上实现 87% 的准确率。你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 - 这取决于你！
为了使你的结果计入你的证书，不要忘记将你的模型推送到 Hub，就像在本单元中使用以下 `**kwargs` 在训练结束时所展示的那样
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)以下是一些你可能在完成此练习时发现有用的额外资源
随意构建你的模型演示，并在 Discord 上分享！如果你有任何问题，请在 #audio-study-group 频道中发布。