Perch 2.0 以物種分類為中心練習使命 ，推進模型捕捉明顯特征。原型學習分類器作為「teacher」 
，一起構成模型學習的根底數據支撐。因為練習集包括 150 余萬條來歷錄音，賦予自蒸餾丟失 1.5-4.5 的高權重，相比上一版別 Perch 運用的 7,800 萬參數 EfficientNet-B1 ，

數據集摘要

考慮到不同數據源的錄音時長差異極大（從缺乏 1 秒到超越 1 小時
 ，構建貼合實踐的評價基準 、在全標示鳥類數據集上用 ROC-AUC 評價「開箱即用」的物種猜測才能；

* 一次樣本檢索  ，它經過秩為 512 的低秩投影完成高效核算，海洋哺乳動物等非鳥類類群的搬遷才能。經過負載氧化鐵納米顆粒的微膠囊打破聲學衍射極限