Early stopping sulla loss di validazione
Si fermi prima dell'overfitting
Early stopping sulla loss di validazione è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
Addestrare troppo a lungo danneggia il risultato
Un numero maggiore di epoche non è sempre positivo. Superato un certo punto, il modello inizia a memorizzare il rumore e i risultati di validazione peggiorano. L'early stopping interrompe l'addestramento nel momento ottimale.
Controllare la loss di validazione
Il segnale da monitorare è la loss di validazione. Finché continua a diminuire, il modello sta ancora migliorando la generalizzazione, quindi può lasciare proseguire l'addestramento.
Il punto di svolta
A un certo punto la loss di training continua a diminuire, ma quella di validazione raggiunge un minimo e poi aumenta. Questa inversione indica il momento in cui subentra l'overfitting.
Ricordare il punteggio migliore
Mantenga una variabile per la perdita di validazione migliore osservata finora. A ogni epoca, confronti il nuovo punteggio con quello per determinare se ci sono stati progressi.
best_loss = float('inf')Contare le epoche senza miglioramenti
Quando un'epoca non supera il risultato migliore, incrementi un contatore. Il contatore viene azzerato non appena la perdita di validazione migliora di nuovo.
if val_loss < best_loss:
best_loss = val_loss
counter = 0
else:
counter += 1Impostare una pazienza
La pazienza indica quante epoche negative tollerare prima di interrompere l'addestramento. Un valore piccolo interrompe rapidamente; uno più grande permette di superare cali dovuti al rumore.
patience = 5Interrompere quando finisce la pazienza
Quando il contatore raggiunge il valore di pazienza, interrompa il ciclo. Questa istruzione break termina l'addestramento prima che il modello perda altro tempo peggiorando.
if counter >= patience:
breakSalvare il risultato migliore lungo il percorso
Ogni volta che la validazione migliora, salvi un checkpoint. Quando interrompe l'addestramento, il file salvato contiene il modello migliore, non l'ultimo.
if val_loss < best_loss:
torch.save(model.state_dict(), 'best.pt')Aggiungere un min_delta
Piccole oscillazioni possono sembrare progressi illusori. Un min_delta richiede un miglioramento superiore a una soglia prima di azzerare il contatore della pazienza.
if val_loss < best_loss - min_delta:
best_loss = val_lossRipristinare il risultato migliore alla fine
Dopo il ciclo, carichi il checkpoint salvato per distribuire effettivamente il modello migliore. Interrompere in anticipo non serve se si mantengono i pesi finali peggiori.
model.load_state_dict(torch.load('best.pt'))Una forma gratuita di regolarizzazione
L'early stopping non comporta costi aggiuntivi, ma contrasta l'overfitting come un regolarizzatore. Si abbina bene a dropout e weight decay per un addestramento ancora più stabile.
Controllo rapido
Che cosa controlla l'impostazione della pazienza nell'early stopping?
Riepilogo
Monitori la perdita di validazione, conti le epoche senza miglioramenti, interrompa l'addestramento quando finisce la pazienza e ripristini il checkpoint migliore. L'early stopping fa risparmiare tempo e limita l'overfitting. ⏹️
Domande Frequenti
La lezione «Early stopping sulla loss di validazione» è gratuita?
Sì — il testo completo di «Early stopping sulla loss di validazione» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Early stopping sulla loss di validazione»?
Si fermi prima dell'overfitting Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Early stopping sulla loss di validazione»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Separare training, validation e test
- Un ciclo per epoche con validazione
- Salvare e caricare con state_dict
- Early stopping sulla loss di validazione