検証損失による早期停止
過学習する前に学習を止めます
「検証損失による早期停止」はCoddyKit上の無料Deep Learning Academyレッスンです。 これはレッスン4/4です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはDeep Learning Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 Deep Learning Academyコースには全4レッスンが含まれています。
このレッスンの一部はまだ翻訳されておらず、英語で表示されています。
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. ⏹️
よくある質問
「検証損失による早期停止」レッスンは無料ですか？
はい。「検証損失による早期停止」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、Deep Learning Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 Deep Learning Academyコースには全4レッスンが含まれています。
「検証損失による早期停止」で何を学びますか？
過学習する前に学習を止めます ブラウザで直接実行するハンズオンコードでDeep Learning Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。
Deep Learning Academyを始めるのに経験は必要ですか？
事前経験は必要ありません。CoddyKitのDeep Learning Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン4/4です。
「検証損失による早期停止」レッスンにはどのくらい時間がかかりますか？
ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。
このDeep Learning Academyレッスンでコードを書いて実行できますか？
はい。すべてのDeep Learning Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。