说明文档
模型卡片
<!-- 提供模型的简要概述。 -->
创建模型的代码
import torch
from transformers import WhisperConfig, WhisperForConditionalGeneration, AutoProcessor
model_id = 'onnx-community/whisper-tiny.en'
config = WhisperConfig.from_pretrained(
model_id,
d_model=16,
decoder_attention_heads=2,
decoder_ffn_dim=64,
decoder_layerdrop=0.0,
decoder_layers=1,
encoder_attention_heads=2,
encoder_ffn_dim=64,
encoder_layers=1,
num_hidden_layers=1,
)
# Create model and randomize all weights
model = WhisperForConditionalGeneration(config)
torch.manual_seed(0) # Set for reproducibility
for name, param in model.named_parameters():
param.data = torch.randn_like(param)
processor = AutoProcessor.from_pretrained(model_id)
模型详情
模型描述
<!-- 提供关于该模型的更详细概述。 -->
这是一个已推送到 Hub 的 🤗 transformers 模型的模型卡片。该模型卡片已自动生成。
- 开发者： [更多信息待补充]
- 资金来源 [可选]： [更多信息待补充]
- 共享者 [可选]： [更多信息待补充]
- 模型类型： [更多信息待补充]
- 语言 (NLP)： [更多信息待补充]
- 许可证： [更多信息待补充]
- 微调自模型 [可选]： [更多信息待补充]
模型来源 [可选]
<!-- 提供模型的基本链接。 -->
- 仓库： [更多信息待补充]
- 论文 [可选]： [更多信息待补充]
- 演示 [可选]： [更多信息待补充]
用途
<!-- 说明模型的预期使用方式，包括可预见的使用者和受该模型影响的人员。 -->
直接使用
<!-- 本节介绍模型在未经微调或未接入更大生态系统/应用时的使用方式。 -->
[更多信息待补充]
下游使用 [可选]
<!-- 本节介绍模型在为某任务进行微调后，或接入更大生态系统/应用时的使用方式 -->
[更多信息待补充]
超出范围的使用
<!-- 本节说明误用、恶意使用，以及模型不适用的场景。 -->
[更多信息待补充]
偏见、风险和局限性
<!-- 本节旨在传达技术和社技术层面的局限性。 -->
[更多信息待补充]
建议
<!-- 本节旨在针对偏见、风险和技术局限性提供建议。 -->
用户（无论是直接用户还是下游用户）应当了解该模型的风险、偏见和局限性。需要更多信息以提供进一步建议。
如何开始使用该模型
使用以下代码开始使用该模型。
[更多信息待补充]
训练详情
训练数据
<!-- 这里应链接到数据集卡片，可能还需要简短介绍训练数据的内容，以及与数据预处理或额外过滤相关的文档。 -->
[更多信息待补充]
训练流程
<!-- 这与技术规格密切相关。当相关时，此处的内应链接到该部分。 -->
预处理 [可选]
[更多信息待补充]
训练超参数
- 训练模式： [更多信息待补充] <!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
速度、大小、时间 [可选]
<!-- 本节提供关于吞吐量、开始/结束时间、检查点大小（如相关）等信息。 -->
[更多信息待补充]
评估
<!-- 本节描述评估协议并提供结果。 -->
测试数据、因素和指标
测试数据
<!-- 如可能，这里应链接到数据集卡片。 -->
[更多信息待补充]
因素
<!-- 这些是评估时进行细分的项目，例如子群体或领域。 -->
[更多信息待补充]
指标
<!-- 这些是所使用的评估指标，最好说明选择原因。 -->
[更多信息待补充]
结果
[更多信息待补充]
总结
模型检查 [可选]
<!-- 此处放置与模型相关的可解释性研究 -->
[更多信息待补充]
环境影响
<!-- 总排放量（以 CO2eq 克为单位）和其他考虑因素（如电力使用）放在这里。据此编辑以下建议文本 -->
碳排放量可使用 Lacoste et al. (2019) 中提出的 机器学习影响计算器 进行估算。
- 硬件类型： [更多信息待补充]
- 使用时长： [更多信息待补充]
- 云服务商： [更多信息待补充]
- 计算区域： [更多信息待补充]
- 碳排放量： [更多信息待补充]
技术规格 [可选]
模型架构和目标
[更多信息待补充]
计算基础设施
[更多信息待补充]
硬件
[更多信息待补充]
软件
[更多信息待补充]
引用 [可选]
<!-- 如果有介绍该模型的论文或博客文章，APA 和 BibTeX 信息应放在本节。 -->
BibTeX:
[更多信息待补充]
APA:
[更多信息待补充]
术语表 [可选]
<!-- 如相关，在此节包含可帮助读者理解模型或模型卡片的术语和计算方法。 -->
[更多信息待补充]
更多信息 [可选]
[更多信息待补充]
模型卡片作者 [可选]
[更多信息待补充]
模型卡片联系方式
[更多信息待补充]
onnx-internal-testing/tiny-random-WhisperForConditionalGeneration
作者 onnx-internal-testing
创建时间: 2025-02-23 20:53:54+00:00
更新时间: 2025-03-06 12:24:19+00:00
在 Hugging Face 上查看