李宏毅2022机器学习hw4

本文是李宏毅机器学习课程的HW4,涉及VoxCeleb2语音识别任务。通过逐步改进模型,从简单线性模型到Boss Baseline,实现了超过0.8575的准确率,包括使用Conformer架构和Self-Attention Pooling等技术。

目录

Machine Learning HW4 

一、任务

二、数据集

三、结果

四、改进方法

        4.1 Simple line (acc>0.6082)

        运行课程上给的基础代码。

        4.2 Medium Baseline (acc>0.7037)

        调整transformer modules层的参数

        4.3 Strong Baseline (acc>0.7775)

        将transform改为conform架构

        4.4 Boss Baseline (acc>0.8575)

        加入Self-Attention Pooling和Additive Margin Softmax,并对conformer进行调参。


Machine Learning HW4 

一、任务

        对于一段语音判断它是哪一个人发出的。

二、数据集

         VoxCeleb2,数据集过大,可以在官网下载

 

三、结果

全过bossline。

 

四、改进方法

        4.1 Simple line (acc>0.6082)

                运行课程上给的基础代码。

        4.2 Medium Baseline (acc>0.7037)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

梦想的小鱼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值