Lehrplan Lektion 90 von 246 · Modul 7: Arbeiten mit neuen Daten
Modul 7: Arbeiten mit neuen Daten

Frühes Stoppen

Warum das wichtig istDer billigste Regularisierer von allen: stoppe das Training, wenn das Modell auf Validierungsdaten aufhört sich zu verbessern.

Der Validation loss ist verrauscht: Er kann für eine Epoche ansteigen und dann wieder fallen. Stoppe also nicht beim ersten Anstieg. Nutze patience: Stopppe, sobald der Validation loss für patience Epochen in Folge nicht mehr seinen Bestwert schlägt, und behalte das Modell aus der besten Epoche.

Kleine Zahlen

Losses 1.0, 0.8, 0.7, 0.72, 0.69, 0.71, 0.73, 0.74 mit patience 2: der beste ist 0.69 bei epoch 5. Epochs 6 und 7 schaffen es nicht, ihn zu schlagen, also stoppe nach epoch 7 und behalte epoch 5.

Wörter und Symbole in dieser Lektion
patience
wie viele Epochen ohne Verbesserung vor dem Stopp
Du bist dran

Schreibe early_stop(val_losses, patience) und gib (stop_epoch, best_epoch) zurück, beide zählen ab 1. Wenn es niemals die Geduld verliert, ist stop_epoch die letzte Epoche.

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.