动手练习

现在是时候开始动手操作一些音频模型，并应用你目前所学的知识了。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在 marsyas/gtzan 数据集上微调 Hubert 模型。我们的示例达到了 83% 的准确率。你的任务是在此准确率指标上进行改进。

请随意在 🤗 Hub 上选择你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 来构建你自己的分类器。

你的目标是在此数据集上使用你的分类器达到 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，请不要忘记像本单元中所示的那样，在训练结束时使用以下 **kwargs 将你的模型推送到 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)

以下是一些额外的资源，你可能会在完成此练习时发现它们很有用

• 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
• 音频频谱图 Transformer 文档
• Wav2Vec2 文档

欢迎构建你的模型的演示，并在 Discord 上分享！如果你有任何问题，请在 #audio-study-group 频道中发布。