Deep Learning Academy · Pelajaran

Penghentian Dini pada Loss Validasi

Berhenti sebelum model mengalami overfitting

Pelajaran 4 dari 413 langkah

Penghentian Dini pada Loss Validasi adalah pelajaran Deep Learning Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Deep Learning Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Deep Learning Academy mencakup 4 pelajaran total.

Pelatihan yang Terlalu Lama Merugikan

Epoch yang lebih banyak tidak selalu lebih baik. Setelah melewati titik tertentu, model mulai menghafal noise dan hasil validasi memburuk. Penghentian dini mengakhiri pelatihan pada titik terbaik.

Pantau Loss Validasi

Sinyal yang Anda lacak adalah loss validasi. Selama nilainya terus menurun, model masih melakukan generalisasi dengan lebih baik, sehingga Anda dapat membiarkan pelatihan berlanjut.

Titik Perubahan

Pada akhirnya, loss pelatihan terus menurun, tetapi loss validasi mencapai titik terendah lalu meningkat. Perubahan ke arah naik tersebut adalah saat overfitting mulai mengambil alih.

Ingat Skor Terbaik

Simpan sebuah variabel untuk loss validasi terbaik yang sejauh ini terlihat. Pada setiap epoch, bandingkan skor baru dengannya untuk menentukan apakah ada kemajuan.

best_loss = float('inf')

Hitung Epoch Tanpa Peningkatan

Jika suatu epoch gagal melampaui hasil terbaik, naikkan sebuah penghitung. Atur kembali ke nol segera setelah loss validasi membaik.

if val_loss < best_loss:
    best_loss = val_loss
    counter = 0
else:
    counter += 1

Tetapkan Kesabaran

Kesabaran adalah jumlah epoch buruk yang Anda toleransi sebelum berhenti. Nilai kecil akan menghentikan proses lebih cepat; nilai lebih besar dapat melewati penurunan yang disebabkan oleh derau.

patience = 5

Berhenti Saat Kesabaran Habis

Setelah penghitung mencapai batas kesabaran, hentikan perulangan. break ini mengakhiri pelatihan sebelum model membuang waktu dan menjadi semakin buruk.

if counter >= patience:
    break

Simpan Hasil Terbaik Selama Proses

Setiap kali validasi membaik, tulislah sebuah titik pemeriksaan. Saat Anda akhirnya berhenti, file tersimpan itu berisi model terbaik, bukan model terakhir.

if val_loss < best_loss:
    torch.save(model.state_dict(), 'best.pt')

Tambahkan Delta Minimum

Goyangan kecil dapat tampak seperti kemajuan palsu. delta_minimum mengharuskan peningkatan melebihi ambang tertentu sebelum penghitung kesabaran diatur ulang.

if val_loss < best_loss - min_delta:
    best_loss = val_loss

Pulihkan Hasil Terbaik di Akhir

Setelah perulangan selesai, muat titik pemeriksaan yang tersimpan agar Anda benar-benar menerapkan model terbaik. Berhenti lebih awal tidak ada gunanya jika Anda tetap menggunakan bobot akhir yang lebih buruk.

model.load_state_dict(torch.load('best.pt'))

Bentuk Regularisasi Tanpa Biaya

Penghentian awal tidak memerlukan biaya tambahan, tetapi melawan overfitting seperti sebuah regularisator. Teknik ini cocok dipadukan dengan dropout dan peluruhan bobot agar pelatihan semakin stabil.

Pemeriksaan Singkat

Apa yang dikendalikan oleh pengaturan kesabaran dalam penghentian awal?

Jawab di pelajaran interaktif

Ringkasan

Pantau loss validasi, hitung epoch tanpa peningkatan, berhenti saat kesabaran habis, lalu pulihkan titik pemeriksaan terbaik. Penghentian awal menghemat waktu dan mengurangi overfitting. ⏹️

Gratis untuk memulai

Belajar Python dengan tutor AI — gratis

Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.

Kursus: 30
Pelajaran: 120

Mulai belajar gratis Lihat kursus lengkapnya

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Penghentian Dini pada Loss Validasi” gratis?

Ya — teks lengkap “Penghentian Dini pada Loss Validasi” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Deep Learning Academy, upgrade ke CoddyKit PRO. Kursus Deep Learning Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Penghentian Dini pada Loss Validasi”?

Berhenti sebelum model mengalami overfitting Kamu berlatih Deep Learning Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Deep Learning Academy?

Tidak diperlukan pengalaman sebelumnya. Deep Learning Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Penghentian Dini pada Loss Validasi” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Deep Learning Academy ini?

Ya. Setiap pelajaran Deep Learning Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke Deep Learning Academy