modelscope-funasr微调之后，每个checkpoint 同 验证集的验证结果怎么看呢？

要查看ModelScope-Funasr微调后每个checkpoint在验证集上的验证结果，您可以按照以下步骤进行操作：

1. 检查日志文件：通常，模型训练过程中会生成日志文件，记录每个epoch或checkpoint的训练损失和验证准确率等信息。您可以查找这些日志文件，并查看每个checkpoint在验证集上的性能表现。

2. 使用评估脚本：如果您没有直接的日志文件，您可以使用ModelScope-Funasr提供的评估脚本来对每个checkpoint进行评估。这通常涉及加载模型权重，然后将其应用于验证集数据，最后计算评估指标（如词错误率WER）。

3. 比较评估结果：一旦您获得了每个checkpoint的评估结果，您可以比较它们以确定哪个checkpoint在验证集上表现最好。通常，您会寻找具有最低词错误率（WER）或最高准确率的checkpoint。

4. 可视化工具：有些深度学习框架提供了可视化工具，可以直观地展示模型的训练和验证性能曲线。如果ModelScope-Funasr提供了这样的工具，您可以使用它来帮助分析checkpoint的表现。

综上所述，为了确定哪个checkpoint在验证集上表现最好，您需要收集和比较每个checkpoint的评估结果。这可以通过查看日志文件、运行评估脚本或使用可视化工具来完成。

在ModelScope-FunASR中，微调后的每个checkpoint与验证集的验证结果可以通过评估指标来确定哪个表现最好。以下是查看和比较这些结果的步骤：

1. 评估指标：您需要确定用于评估模型性能的指标，这些通常包括准确率、召回率、F1分数等。
2. 测试脚本：运行一个测试脚本，该脚本会自动加载每个checkpoint，并在固定的验证集上进行评估。
3. 结果记录：脚本会记录每个checkpoint在验证集上的表现，并将这些结果保存到一个文件中，或者直接输出到控制台。
4. 结果对比：通过比较这些记录的结果，您可以找出在验证集上表现最好的checkpoint。
5. 最佳模型选择：一旦确定了最佳表现的checkpoint，您可以将其选定为微调后的最终模型，用于后续的部署或进一步的研究。

此外，如果ModelScope-FunASR的文档或官方demo中没有提供直接的方法来评估微调后的模型效果，您可能需要自己编写脚本来实现这一过程。这通常涉及到加载模型、读取验证集数据、运行预测和计算评估指标。