Hugging Face's logo

NbAiLabArchive
/
scream_sextusdecimus_virtual_tsfix_medium_1e5

Automatic Speech Recognition
Transformers
PyTorch
JAX
TensorBoard
Norwegian
whisper
audio
asr
hf-asr-leaderboard
Inference Endpoints
Model card Files Metrics Community
1
pere commited on
Commit
9b18af9
•
1 Parent(s): c3ce6b6

Saving weights and logs of step 16000 - epoch 0

Browse files
Files changed (21) hide show
  1. README.md +1 -0
  2. flax_model.msgpack +1 -1
  3. predictions/step_0.md +1 -1
  4. predictions/step_1000.md +1 -1
  5. predictions/step_10000.md +1 -1
  6. predictions/step_11000.md +1 -1
  7. predictions/step_12000.md +1 -1
  8. predictions/step_13000.md +1 -1
  9. predictions/step_14000.md +1 -1
  10. predictions/step_15000.md +1 -1
  11. predictions/step_16000.md +58 -0
  12. predictions/step_2000.md +1 -1
  13. predictions/step_3000.md +1 -1
  14. predictions/step_4000.md +1 -1
  15. predictions/step_5000.md +1 -1
  16. predictions/step_6000.md +1 -1
  17. predictions/step_7000.md +1 -1
  18. predictions/step_8000.md +1 -1
  19. predictions/step_9000.md +1 -1
  20. runs/Jun14_05-52-18_t1v-n-48085b6f-w-4/events.out.tfevents.1686721938.t1v-n-48085b6f-w-4.135976.0.v2 +2 -2
  21. training_state.bin +2 -2
README.md CHANGED
@@ -73,6 +73,7 @@ The following hyperparameters were used during training:
73
  | 13000 | 1.7561 | 0.6732 | 8.6258 | 3.8666 | 8.6258 | 3.8666 |
74
  | 14000 | 1.7517 | 0.7050 | 8.2094 | 3.5066 | 8.2094 | 3.5066 |
75
  | 15000 | 1.7413 | 0.7191 | 7.8822 | 3.3389 | 7.8822 | 3.3389 |
 
76
 
77
 
78
  ### Framework versions
 
73
  | 13000 | 1.7561 | 0.6732 | 8.6258 | 3.8666 | 8.6258 | 3.8666 |
74
  | 14000 | 1.7517 | 0.7050 | 8.2094 | 3.5066 | 8.2094 | 3.5066 |
75
  | 15000 | 1.7413 | 0.7191 | 7.8822 | 3.3389 | 7.8822 | 3.3389 |
76
+ | 16000 | 1.7014 | 0.6850 | 8.0309 | 3.4178 | 8.0309 | 3.4178 |
77
 
78
 
79
  ### Framework versions
flax_model.msgpack CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:b537c3bd7cfb5c4daa5f578c74e06150b92631c6e4ed809c2e36641854b16a14
3
  size 3055465603
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4df5d7bae326d939a44383c5f869697500a882403492c74b7652417f9ebc930b
3
  size 3055465603
predictions/step_0.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_1000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_10000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_11000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_12000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_13000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_14000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_15000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_16000.md ADDED
@@ -0,0 +1,58 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
+
3
+ | STEP| loss | wer |cer|
4
+ | ---| --- | --- |--- |
5
+ | **16000**| 1.701 | 8.031 |3.418 |
6
+
7
+ | target | prediction |
8
+ |:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
9
+ | Pattedyrene klarte ikke reisen på grunn av den lange avstanden over til kontinentet og dermed ble den store **landskillpadden** det første beitedyret på **Galapagos**\. | Pattedyrene klarte ikke reisen på grunn av den lange avstanden over til kontinentet**\,** og dermed ble den store **landskilpadden** det første beitedyret på **Galápagos**\. |
10
+ | Araberne brakte i tillegg med seg islam til nasjonene\, og det ble populært i **Komorene** og **Mayotte**\. | Araberne brakte i tillegg med seg islam til nasjonene\, og det ble populært i **kumerene** og **majotene**\. |
11
+ | Egyptere fra **Det** **Nye** kongedømmet i oldtiden undret seg over monumentene til sine forfedre\, som da var over tusen år gamle\. | Egyptere fra **det** **nye** kongedømmet i oldtiden undret seg over monumentene til sine forfedre\, som da var over tusen år gamle\. |
12
+ | Deretter har noen saler\, spesielt engelske saler\, sikkerhetsstenger som gjør at **læret** til stigbøylen faller ned fra salen dersom **det** blir trukket bakover av en fallende rytter\. | Deretter har noen saler\, spesielt engelske saler\, sikkerhetsstenger som gjør at **lærere** til stigbøylen faller ned fra salen dersom **de** blir trukket bakover av en fallende rytter\. |
13
+ | I samarbeid med **NPWS** og Sporting Shooters Association of Australia **(**NSW**)** **Inc**\, rekrutterte man kvalifiserte frivillige til Sporting Shooters **Associations** programmet for jakt\. | I samarbeid med **NPSS** og Sporting Shooters Association of Australia\, NSW\, **INC**\, rekrutterte man kvalifiserte frivillige til Sporting Shooters Association**\-**programmet for jakt\. |
14
+ | Vitenskapen viser at den store karbonøkonomien har løsnet biosfæren fra en stabil tilstand som har støttet **menneskeevolusjon** de siste to millioner årene\. | Vitenskapen viser at den store karbonøkonomien har løsnet biosfæren fra en stabil tilstand som har støttet **menneskeevolusjonen** de siste to millioner årene\. |
15
+ | Uttalen er forholdsvis lett på italiensk\, ettersom de fleste ordene uttales akkurat slik de er skrevet\. | Uttalen er forholdsvis lett på italiensk\, ettersom de fleste ordene uttales akkurat slik de er skrevet\. |
16
+ | I mange tilfeller kan det å begi seg ut på et friår i utlandet faktisk forbedre sjansene dine for å komme inn på høyere utdanning når du er tilbake i hjemlandet ditt\. | I mange tilfeller kan det å begi seg ut på et friår i utlandet faktisk forbedre sjansene dine for å komme inn på høyere utdanning når du er tilbake i hjemlandet ditt\. |
17
+ | Det er faktisk **Martelly** **sin** femte **CEP** på fire år\. | Det er faktisk **Martellis** femte **cep** på fire år\. |
18
+ | Deretter tok **Lakka** **Singh** ledelsen i lovsangen\. | Deretter tok **lakkasing** ledelsen i lovsangen\. |
19
+ | De fleste skilt er derimot bare angitt på katalansk fordi det er lovfestet som det første offisielle språket\. | De fleste skilt er derimot bare angitt på katalansk fordi det er lovfestet som det første offisielle språket\. |
20
+ | **«**Jeg kunne ikke finne søsteren min og vennen hennes\, og på veien var det **2** funksjonshemmede i rullestoler som personer bare presset og klatret over**»\,** fortalte **Armand** Versace\. | Jeg kunne ikke finne søsteren min og vennen hennes\, og på veien var det **to** funksjonshemmede i rullestoler som personer bare presset og klatret over\, fortalte **Arman** Versace\. |
21
+ | Penger kan veksles på øyens eneste bank som ligger i Stanley **ovenfor** FIC West\-butikken\. | Penger kan veksles på øyens eneste bank**\,** som ligger i Stanley **overfor** FIC West\-butikken\. |
22
+ | En filippinsk mann som tidligere har vært politi\, har holdt turister i **Hong** **Kong** som **fange** ved å **kapre** bussen deres i hovedstaden på **Filippinene**\, Manila\. | En filippinsk mann som tidligere har vært politi\, har holdt turister i **Hongkong** som **fanger** ved å **kappe** bussen deres i hovedstaden på **filippinene** Manila\. |
23
+ | En **satellittelefon** kan som regel ikke erstatte en mobiltelefon\, da man må være utenfor med klar siktlinje til satellitten for å kunne ta en telefon\. | En **satellitttelefon** kan som regel ikke erstatte en mobiltelefon\, da man må være utenfor med klar siktlinje til satellitten for å kunne ta en telefon\. |
24
+ | Dersom du besøker Arktis eller antarktiske områder om vinteren får du oppleve polarnatten\, denne tiden stiger ikke solen over horisonten\. | Dersom du besøker Arktis eller antarktiske områder om vinteren\, får du oppleve polarnatten\, denne tiden stiger ikke solen over horisonten\. |
25
+ | Pattedyrene klarte ikke reisen på grunn av den lange avstanden over til kontinentet og dermed ble den store **landskillpadden** det første beitedyret på **Galapagos**\. | Pattedyrene klarte ikke reisen på grunn av den lange avstanden over til kontinentet**\,** og dermed ble den store **landskilpadden** det første beitedyret på **Galápagos**\. |
26
+ | Vann renner over vollen i en seksjon som **er** **100** britiske fot bred\. | Vann renner over vollen i en seksjon som **et** **hundre** britiske fot bred\. |
27
+ | Friksjonen er lav\, på is**\-** og snødekte veier kan du derfor ikke kjøre som du ville gjort på bar asfalt\. | Friksjonen er lav\, på is og snødekte veier kan du derfor ikke kjøre som du ville **ha** gjort på bar asfalt\. |
28
+ | Det var ingen store skoger i landområdene rundt **Canaan** noe som gjorde at treverket var ekstremt dyrt\. | Det var ingen store skoger i landområdene rundt **kanan\,** noe som gjorde at treverket var ekstremt dyrt\. |
29
+ | Flyulykker forekommer ofte i Iran\, ettersom de har en aldrende flåte både for sivilt og militært bruk og som i tillegg er dårlig vedlikeholdt\. | Flyulykker forekommer ofte i Iran\, ettersom de har en aldrende flåte både for sivilt og militært bruk\, og som i tillegg er dårlig vedlikeholdt\. |
30
+ | Naturalister og filosofer hadde fokus på klassisk tekst og særlig på **Bibelen** på latinsk språk\. | Naturalister og filosofer hadde fokus på klassisk tekst**\,** og særlig på **bibelen** på latinsk språk\. |
31
+ | Beboere nær anlegget blir anbefalt av lokale myndigheter om å holde seg inne\, ikke ha på klimaanlegget og ikke drikke vann fra kranen\. | Beboere nær anlegget blir anbefalt av lokale myndigheter om å holde seg inne\, ikke ha på klimaanlegget og ikke drikke vann fra kranen\. |
32
+ | Forskerne antydet at\, selv om dette var halen til en dinosaur\, viste prøven fjærdrakten til en voksen og ikke en **kyllings** **dun**\. | Forskerne antydet at selv om dette var halen til en dinosaur\, viste prøven fjærdrakten til en voksen og ikke en **kyllingstun**\. |
33
+ | De første sykdomstilfellene denne sesongen ble innrapportert sent i juli\. | De første sykdomstilfellene denne sesongen ble innrapportert sent i juli\. |
34
+ | Det tusende stempelet hans var den storslåtte **«**Great Deeds by Swedish Kings**»** av David **Klöcker** **Ehrenstrahl** i **2000**\, som er registrert i Guinness verdensrekordbok\. | Det tusende stempelet hans var den storslåtte Great Deeds by Swedish Kings av David **Clocker** **Aronsdahl** i **to** **tusen**\, som er registrert i Guinness verdensrekordbok\. |
35
+ | Robin **Uthappa** fikk omgangens høyeste poengsum\, **70** poeng på bare **41** slag\. **Han** fikk elleve ganger fire poeng\, og to ganger seks poeng\. | Robin **Utappa** fikk omgangens høyeste poengsum\, **sytti** poeng på bare **førtien** slag\, **han** fikk elleve ganger fire poeng og to ganger seks poeng\. |
36
+ | Koloniseringsperioden som varte i **3** århundrer ble startet av spanjolene\. | Koloniseringsperioden**\,** som varte i **tre** århundrer**\,** ble startet av spanjolene\. |
37
+ | I begynnelsen ble **antrekk** sterkt påvirket av **Byzantine\-kulturen** i øst\. | I begynnelsen ble **antrekket** sterkt påvirket av **bysantinkulturen** i øst\. |
38
+ | Det filippinske folket måtte selv betale for **kostnaden** av krigens **amerikansk** imperialisme**\,** i erobringen av **Filippinene**\. | Det filippinske folket måtte selv betale for **kostnadene** av krigens **amerikanske** imperialisme i erobringen av **filippinene**\. |
39
+ | **De** kan **se** svært godt i mørket med nattsyn og også bevege seg helt **ubemerket**\. **Ozeloter** jakter på byttet ved å gå i ett med sine omgivelser for så å angripe byttet\. | **Det** kan **ses** svært godt i mørket med nattsyn og også bevege seg helt **utmerket\,** og **soloter** jakter på **bytter** ved å gå i ett med sine omgivelser for så å angripe byttet\. |
40
+ | Hennes første gren var **Slalåm**\, men hun fullførte ikke rennet\. Det var **36** av **116** konkurrenter som ikke fullførte slalåmrennet\. | Hennes første gren var **slalåm**\, men hun fullførte ikke rennet\. Det var **trettiseks** av **hundreogseisen** konkurrenter som ikke fullførte slalåmrennet\. |
41
+ | Når det nye folket med tiden starter å tilpasse seg sine nye omgivelser\, **set** de mindre og mindre ut som den andre populasjonen\. | Når det nye folket med tiden starter å tilpasse seg sine nye omgivelser\, **ser** de mindre og mindre ut som den andre populasjonen\. |
42
+ | Det vettskremte kongehuset\, kong Ludvig XVI\, dronning Marie Antoinette sammen med deres to unge barn **(**Marie Therese på **11** år og Ludvig**\-**Charles på **4** år**)** og kongens søster\, **Madam** **Elizabeth**\, ble den **6**\. oktober 1789 presset til å komme tilbake til Paris fra Versailles av en folkemengde med markedskvinner\. | Det vettskremte kongehuset\, kong Ludvig XVI\, dronning **Maria** Antoinette sammen med deres to unge barn\, Marie Therese på **elleve** år og Ludvig Charles på **fire** år\, og kongens søster\, **madame** **Elisabeth**\, ble den **sjette** oktober 1789 presset til å komme tilbake til Paris fra Versailles av en folkemengde med markedskvinner\. |
43
+ | Det vettskremte kongehuset\, kong Ludvig XVI\, dronning Marie Antoinette sammen med deres to unge barn **(**Marie Therese på **11** år og Ludvig**\-**Charles på **4** år**)** og kongens søster\, **Madam** **Elizabeth**\, ble den **6**\. oktober 1789 presset til å komme tilbake til Paris fra Versailles av en folkemengde med markedskvinner\. | Det vettskremte kongehuset\, kong Ludvig XVI\, dronning Marie Antoinette\, sammen med deres to unge barn\, Marie Therese på **elleve** år og Ludvig Charles på **fire** år\, og kongens søster\, **madame** **Elisabeth**\, ble den **sjette** oktober 1789 presset til å komme tilbake til Paris fra Versailles av en folkemengde med markedskvinner\. |
44
+ | Kvinner bør forstå at kulturforskjeller kan føre til at det de vil se på som trakassering og det ikke er uvanlig å bli fulgt etter\, tatt tak i **armen** **etc**\. | Kvinner bør forstå at kulturforskjeller kan føre til at det de vil se på som trakassering\, og det ikke er uvanlig å bli fulgt etter\, tatt tak i **ermene** **osv**\. |
45
+ | Deretter tok **Lakka** **Singh** ledelsen i lovsangen\. | Deretter tok **lakkasing** ledelsen i lovsangen\. |
46
+ | Årets største turnering avholdes i desember**\,** på polobanen i Las **Cañitas**\. | Årets største turnering avholdes i desember på polobanen i Las **Canitas**\. |
47
+ | **«**Timbuktu**»** har blitt brukt som en metafor for eksotiske**\,** fjerne land**\,** kombinert med relativ utilgjengelighet\. | Timbuktu har blitt brukt som en metafor for eksotiske fjerne land kombinert med relativ utilgjengelighet\. |
48
+ | I denne dynamiske transportfarkosten er alle på et eller annet vis tilknyttet**\,** og tilhengere av**\,** et transportsystem som er basert på privatbiler\. | I denne dynamiske transportfarkosten er alle på et eller annet vis tilknyttet og tilhengere av et transportsystem som er basert på privatbiler\. |
49
+ | Medlemmer av en subkultur markerer ofte sitt medlemskap **ved** en særpreget og symbolsk bruk av stil\, som inkluderer moter\, **manérer** og slang\. | Medlemmer av en subkultur markerer ofte sitt medlemskap **i** en særpreget og symbolsk bruk av stil\, som inkluderer moter\, **manerer** og slang\. |
50
+ | De østafrikanske øyene befinner seg i Indiahavet utenfor Afrikas østkyst\. | De østafrikanske øyene befinner seg i Indiahavet utenfor Afrikas østkyst\. |
51
+ | Vannveiene i innlandet kan være et kjekt tema å basere en reise på\. | Vannveiene i innlandet kan være et kjekt tema på å basere en reise på\. |
52
+ | Israel krever stadig militær tilstedeværelse i **dalen** i ti år etter at avtalen er signert\, mens den **palestinske** stat går med på å la denne styrken bli værende i kun fem år\. | Israel krever stadig militær tilstedeværelse i **Dalen** i ti år etter at avtalen er signert\, mens den **palitinske** stat går med på å la denne styrken bli værende i kun fem år\. |
53
+ | Selv om det var tre mennesker inne i huset da bilen krasjet inn i det\, ble ingen av dem skadet\. | Selv om det var tre mennesker inne i huset da bilen krasjet inn i det\, ble ingen av dem skadet\. |
54
+ | Noen rapporter satte det offisielle dødstallet til **8**\, og offisielle rapporter bekrefter at **opp** til **30** ble skadet**;** men det fullstendige antallet er foreløpig ukjent\. | Noen rapporter satte det offisielle dødstallet til **åtte**\, og offisielle rapporter bekrefter at **opptil** **tretti** ble skadet\, men det fullstendige antallet er foreløpig ukjent\. |
55
+ | Tre bomber eksploderte i nærheten av statlige bygg i løpet av **en** **tidsperiode** på to timer\. | Tre bomber eksploderte i nærheten av statlige bygg i løpet av **den** **tidsperioden** på to timer\. |
56
+ | Det er verdt å **benytte** en halvtime på å rusle i den spennende landsbyen\. | Det er verdt **om** i **nytt** en halvtime på å rusle i den spennende landsbyen\. |
57
+ | Tibetansk buddhisme er basert på Buddhas lære\, men ble utvidet til å inneholde **mahayanas** kjærlighetsretning og flere metoder fra indisk yoga\. | Tibetansk buddhisme er basert på Buddhas lære\, men ble utvidet til å inneholde **mahajanes** kjærlighetsretning og flere metoder fra indisk yoga\. |
58
+ | Japans har nesten **7000** øyer **(**den største heter Honshu**)\,** og dette gjør Japan til verdens **7**\. største øy**!** | Japans har nesten **syv** **tusen** øyer**\,** den største heter Honshu**\,** og dette gjør Japan til verdens **syvende** største øy\. |
predictions/step_2000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_3000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_4000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_5000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_6000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_7000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_8000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
predictions/step_9000.md CHANGED
@@ -1,4 +1,4 @@
1
- [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
 
1
+ [Step 0](step_0.md) | [Step 1000](step_1000.md) | [Step 2000](step_2000.md) | [Step 3000](step_3000.md) | [Step 4000](step_4000.md) | [Step 5000](step_5000.md) | [Step 6000](step_6000.md) | [Step 7000](step_7000.md) | [Step 8000](step_8000.md) | [Step 9000](step_9000.md) | [Step 10000](step_10000.md) | [Step 11000](step_11000.md) | [Step 12000](step_12000.md) | [Step 13000](step_13000.md) | [Step 14000](step_14000.md) | [Step 15000](step_15000.md) | [Step 16000](step_16000.md)
2
 
3
  | STEP| loss | wer |cer|
4
  | ---| --- | --- |--- |
runs/Jun14_05-52-18_t1v-n-48085b6f-w-4/events.out.tfevents.1686721938.t1v-n-48085b6f-w-4.135976.0.v2 CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:165b9c57f8d00d6e946bddc5b9690a5ac2542a769c7863f73070177afbcd6b92
3
- size 18193627
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:e14572ba575edd9efd4fcd49942f43ee7d97dd9632d96b82cbf74bf4626d2721
3
+ size 20580305
training_state.bin CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:edddeae4eb9da10a794853a47688a0752e7fa6e8e64bdf4687167ca656580af6
3
- size 3539
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:ae856412d4acc5227266497c51b419e87f39584cb8214a272f46eac050f047bf
3
+ size 3759