Early stopping según la pérdida de validación
Deténgase antes de sobreajustar
Early stopping según la pérdida de validación es una lección gratuita de Deep Learning Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Deep Learning Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Deep Learning Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
Training Too Long Hurts
More epochs are not always better. Past a point the model starts memorizing noise, and validation results get worse. Early stopping ends training at the sweet spot.
Watch Validation Loss
The signal you track is validation loss. While it keeps falling the model is still generalizing better, so you let training continue.
The Turning Point
Eventually training loss keeps dropping but validation loss bottoms out and rises. That upward turn is the moment overfitting takes over.
Remember the Best Score
Keep a variable for the best validation loss seen so far. Each epoch you compare the new score against it to decide if progress was made.
best_loss = float('inf')Count Epochs Without Gain
When an epoch fails to beat the best, increase a counter. A reset to zero happens the moment validation loss improves again.
if val_loss < best_loss:
best_loss = val_loss
counter = 0
else:
counter += 1Set a Patience
Patience is how many bad epochs you tolerate before quitting. A small value stops fast; a larger one rides out noisy dips.
patience = 5Break When Patience Runs Out
Once the counter reaches patience, stop the loop. This break ends training before the model wastes time getting worse.
if counter >= patience:
breakSave the Best Along the Way
Each time validation improves, write a checkpoint. When you finally stop, that saved file holds the strongest model, not the last one.
if val_loss < best_loss:
torch.save(model.state_dict(), 'best.pt')Add a Min Delta
Tiny wobbles can look like fake progress. A min_delta requires improvement bigger than a threshold before resetting the patience counter.
if val_loss < best_loss - min_delta:
best_loss = val_lossRestore the Best at the End
After the loop, load your saved checkpoint so you actually deploy the best model. Stopping early is pointless if you keep the worse final weights.
model.load_state_dict(torch.load('best.pt'))A Free Form of Regularization
Early stopping costs nothing extra yet fights overfitting like a regularizer. It pairs nicely with dropout and weight decay for even steadier training.
Quick Check
What does the patience setting control in early stopping?
Recap
Track validation loss, count epochs without gain, stop once patience runs out, and restore the best checkpoint. Early stopping saves time and curbs overfitting. ⏹️
Preguntas frecuentes
¿La lección «Early stopping según la pérdida de validación» es gratis?
Sí — el texto completo de «Early stopping según la pérdida de validación» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Deep Learning Academy, actualiza a CoddyKit PRO. El curso de Deep Learning Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Early stopping según la pérdida de validación»?
Deténgase antes de sobreajustar Practicas Deep Learning Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Deep Learning Academy?
No se requiere experiencia previa. Deep Learning Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Early stopping según la pérdida de validación»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Deep Learning Academy?
Sí. Cada lección de Deep Learning Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Separe entrenamiento, validación y prueba
- Un bucle de épocas con validación
- Guardar y cargar con state_dict
- Early stopping según la pérdida de validación