Programme Leçon 90 sur 246 · Module 7 : Travailler sur de nouvelles données
Module 7 : Travailler sur de nouvelles données

L'arrêt anticipé

Pourquoi c'est important Le régulariseur le moins cher de tous : arrête l'entraînement quand le modèle cesse de s'améliorer sur les données de validation.

La perte de validation est bruitée : elle peut remonter pendant une époque puis redescendre. Donc ne t'arrête pas à la première hausse. Utilise la patience : arrête-toi une fois que la perte de validation n'a pas réussi à battre son meilleur score pendant patience époques de suite, et garde le modèle de la meilleure époque.

De tout petits nombres

Des pertes de 1.0, 0.8, 0.7, 0.72, 0.69, 0.71, 0.73, 0.74 avec une patience de 2 : le meilleur est 0.69 à l'époque 5. Les époques 6 et 7 ne le battent pas, donc arrête-toi après l'époque 7 et garde l'époque 5.

Mots et symboles de cette leçon
patience
combien d'époques sans amélioration avant de s'arrêter
À ton tour

Écris early_stop(val_losses, patience) qui renvoie (stop_epoch, best_epoch), tous deux comptés à partir de 1. Si la patience ne s'épuise jamais, stop_epoch est la dernière époque.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.