run.sh

python run_speech_recognition_ctc.py \
	--dataset_name="common_voice" \
	--model_name_or_path="facebook/wav2vec2-xls-r-300m" \
	--dataset_config_name="zh-HK" \
	--output_dir="./" \
	--overwrite_output_dir \
	--num_train_epochs="100" \
	--per_device_train_batch_size="8" \
	--per_device_eval_batch_size="8" \
	--gradient_accumulation_steps="4" \
	--learning_rate="1e-4" \
	--warmup_steps="2000" \
	--length_column_name="input_length" \
    --max_duration_in_seconds="7" \
    --max_eval_samples="3000" \
	--evaluation_strategy="steps" \
	--text_column_name="sentence" \
	--chars_to_ignore , ? . ! \- \; \: \" “ % ‘ ” � — ’ … – ！ － ： – 。 》 , ） , ？ ； ～ ~ … ︰ ， （ 」 ‧ 《 ﹔ 、 — ／ , 「 ﹖ · \
	--save_steps="500" \
	--eval_steps="500" \
	--logging_steps="100" \
	--layerdrop="0.0" \
	--activation_dropout="0.1" \
	--save_total_limit="3" \
	--freeze_feature_encoder \
	--feat_proj_dropout="0.0" \
	--mask_time_prob="0.75" \
	--mask_time_length="10" \
	--mask_feature_prob="0.25" \
	--mask_feature_length="64" \
	--gradient_checkpointing \
	--use_auth_token \
	--fp16 \
	--group_by_length \
	--do_train --do_eval \
    --report_to="tensorboard" \
	--push_to_hub