Deep Learning Academy · 강의

검증 손실을 이용한 조기 종료

과적합이 발생하기 전에 학습을 멈춥니다

레슨 4/413개 단계

검증 손실을 이용한 조기 종료은(는) CoddyKit의 무료 Deep Learning Academy 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Deep Learning Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Deep Learning Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

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 += 1

Set 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 = 5

Break 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:
    break

Save 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_loss

Restore 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?

인터랙티브 레슨에서 답해보세요

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. ⏹️

무료로 시작

AI 튜터와 함께 Python을(를) 배우세요 — 무료

브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.

코스: 30
레슨: 120

무료로 학습 시작 전체 코스 보기

자주 묻는 질문

“검증 손실을 이용한 조기 종료” 강의는 무료인가요?

네 — “검증 손실을 이용한 조기 종료” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Deep Learning Academy 강의 전체를 잠금 해제할 수 있습니다. Deep Learning Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“검증 손실을 이용한 조기 종료”에서 뭘 배우나요?

과적합이 발생하기 전에 학습을 멈춥니다 브라우저에서 직접 실행하는 실습 코드로 Deep Learning Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Deep Learning Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Deep Learning Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.

“검증 손실을 이용한 조기 종료” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Deep Learning Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Deep Learning Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Deep Learning Academy(으)로 돌아가기