一、说明

记录自己使用早停法来解决过拟合问题的经历。

这里给出的是pytorch版本，需要tensorflow版本的，可以使用chatgpt转换，也可以自己转换。

二、原理

这个早停法的原理就是，对比你每次的验证loss，如果超过20epoch（可以自己设置）都没有上升，就认为过拟合了，就会跳出循环，停止代码。

ex：假如你跑到43个epoch，验证loss=0.02，等到跑到63个epoch时，验证loss始终没有低于0.01，就会停止代码。

三、代码实现

首先提供原github链接，有兴趣的朋友可以看一下这个。

https://github.com/Bjarten/early-stopping-pytorch

如果不能进github下载的话，下面是我下载好的链接。

蓝奏云：https://wwqg.lanzouj.com/igmg71d0dicd

1.我先介绍一下这个参数

• patience：上次模型在验证集上损失降低之后等待的epoch，此处设置为20。
• verbose：默认为False，是否显示loss具体下降了多少。
• counter：用于统计等待了多少个epoch，大于你设置的patience之后，就会停止循环。
• best_score：记录模型评估的最好loss，用于比较。
• early_step：默认为False，如果为True，模型就停止循环。
• val_loss_min：默认为正无穷(np.Inf)， 模型评估损失函数的最小值。
• delta：默认为0， 表示模型损失函数改进的最小值，当超过这个值时候表示模型有所改进。

2.现在讲一下怎么使用。

1.首先，将github链接中的“pytorchtools.py”文件加入到你的项目中。

2.然后这样。

在开头引用

这一步其实可以不用，直接在调用的时候给参数。

不过，如果你代码中有这个参数设置的话，就写一行这个代码，如果没有的话，就不用写了。

注：如果你代码中有很多个要给参数的地方，这样写每次改一下就可以，否则改一下参数，要改很多个地方。

这个调用不要放到每次epoch的循环里，放到外面。如果没有刚才那个参数设置，这里args.patience就替换成你要设置参数。

下面这段代码放到epoch循环里面的最后位置就可以了

注：for循环就是类似这种：

for epoch in range(args.epoch):

意思就是说，每次循环都会检查一下是否符合早停的条件，如果符合就跳出循环，否则就继续循环。

以上就是早停法的使用流程了，希望可以帮到你。

四、效果图