Dừng sớm
Dừng sớm là một kỹ thuật chính quy hóa nhằm tạm dừng quá trình đào tạo mô hình khi hiệu suất trên dữ liệu xác thực đã lưu giữ ngừng cải thiện.
Tổng quan
It prevents wasted compute and overfitting in one simple rule.
Lặn sâu
Khi bạn huấn luyện một mạng lưới thần kinh, lỗi tập huấn luyện tiếp tục giảm từ kỷ nguyên này sang kỷ nguyên khác, nhưng đến một lúc nào đó, mô hình bắt đầu ghi nhớ tiếng ồn thay vì ghi nhớ các mẫu. Lỗi xác thực có hình chữ U: nó giảm, đạt mức tối thiểu, sau đó tăng lên khi quá khớp. Việc dừng sớm sẽ theo dõi số liệu xác thực (mất mát, độ chính xác, F1) sau mỗi kỷ nguyên và dừng khi không cải thiện được số lượng kỷ nguyên đã đặt, được gọi là sự kiên nhẫn. Điều quan trọng là bạn giữ mức tạ ở thời điểm tốt nhất chứ không phải thời điểm cuối cùng. Đây là một trong những hình thức chính quy hóa rẻ nhất vì nó không yêu cầu các điều khoản phạt bổ sung và hạn chế một cách hiệu quả mức độ lệch trọng số so với lần khởi tạo của chúng, tương tự như tinh thần chính quy hóa L2.
Hiểu biết kỹ thuật
Quá trình triển khai theo dõi điểm xác thực tốt nhất và bộ đếm. Mỗi kỷ nguyên, nếu số liệu cải thiện vượt quá ngưỡng min_delta, bạn lưu một điểm kiểm tra và đặt lại bộ đếm; nếu không thì bạn tăng nó lên. Khi bộ đếm đạt đến giới hạn kiên nhẫn, quá trình huấn luyện sẽ tạm dừng và điểm kiểm tra tốt nhất sẽ được khôi phục. Sự kiên nhẫn đánh đổi sự mạnh mẽ chống lại các đường cong xác nhận ồn ào trong tổng thời gian đào tạo và thường được điều chỉnh cùng với tốc độ học tập và quy mô lô.
Tác động chiến lược
Quyết định rõ ràng hơn
Nó giúp bạn tách biệt các tuyên bố kỹ thuật rõ ràng khỏi ngôn ngữ tiếp thị.
Chi phí và ngân sách
Bạn có thể đặt các câu hỏi triển khai tốt hơn trước khi chi tiền hoặc thời gian.
Nhóm và quy trình làm việc
Các nhóm có sự hiểu biết chung sẽ đưa ra các quyết định về sản phẩm, chính sách và học tập tốt hơn.
Tương lai của việc dừng lại sớm
Việc dừng sớm vẫn là mặc định trong hầu hết mọi quy trình đào tạo, nhưng vai trò của nó đang thay đổi. Với các mô hình rất lớn được đào tạo cho một kỷ nguyên trên tập đoàn lớn, việc dừng dựa trên kỷ nguyên cổ điển được thay thế bằng việc giám sát ngân sách mã thông báo và lịch trình tỷ lệ học tập. Mong đợi sự tích hợp chặt chẽ hơn với tính năng tìm kiếm siêu tham số tự động, tiêu chí đa chỉ số và công cụ lập lịch phù hợp với ngân sách để quyết định khi nào việc tiếp tục đào tạo không còn biện minh cho chi phí điện toán và carbon của nó nữa.
Triển khai trong thế giới thực
Cuộc gọi lại Keras EarlyStopping với sự kiên nhẫn=10 giám sát val_loss và khôi phục_best_weights=True trên trình phân loại hình ảnh
Dừng cây được tăng cường độ dốc (XGBoost Early_stopping_rounds) khi xác thực AUC ổn định để tránh thêm các cây vô dụng
Dừng tinh chỉnh mô hình cảm tính BERT sau khi F1 xác thực ngừng tăng, tiết kiệm thời gian cho GPU
Một đối thủ cạnh tranh của Kaggle sử dụng phương pháp xác thực gấp để dừng sớm và chọn điểm kiểm tra có tỷ lệ mất log thấp nhất
Rủi ro & lan can
Các nhóm khác nhau có thể sử dụng cùng một thuật ngữ một cách khác nhau, vì vậy hãy sớm xác định phạm vi.
Điểm chuẩn có thể trông mạnh mẽ trong khi hiệu suất trong thế giới thực không đồng đều.
Việc bỏ qua các kế hoạch đánh giá và chất lượng dữ liệu thường tạo ra những kết quả mong manh.
Lộ trình thực hiện
Bắt đầu với một định nghĩa đơn giản về kết quả bạn cần.
Chọn một số liệu thành công và một điều kiện thất bại trước khi thử nghiệm.
Chạy một thử nghiệm nhỏ với dữ liệu đại diện chứ không phải một bản demo bóng bẩy.
Ghi lại nơi dừng sớm sẽ hữu ích và nơi các phương pháp đơn giản hơn sẽ tốt hơn.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Early Stopping quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
AI trong cảnh báo sớm động đất
Câu hỏi thường gặp
What is Early Stopping?
Dừng sớm là một kỹ thuật chính quy hóa nhằm tạm dừng quá trình đào tạo mô hình khi hiệu suất trên dữ liệu xác thực đã lưu giữ ngừng cải thiện. Nó ngăn chặn việc tính toán lãng phí và trang bị quá mức chỉ bằng một quy tắc đơn giản.
Việc dừng sớm chủ yếu theo dõi tín hiệu nào để quyết định thời điểm dừng?
Việc dừng sớm sẽ theo dõi một số liệu xác thực được giữ lại, vì mức độ mất huấn luyện vẫn tiếp tục giảm ngay cả khi mô hình phù hợp quá mức.
Tham số 'kiên nhẫn' kiểm soát điều gì?
Kiên nhẫn là số lượng kỷ nguyên được phép không cải thiện trước khi quá trình đào tạo bị tạm dừng, làm trơn tru các đường cong xác thực ồn ào.
Sau khi ngừng kích hoạt sớm, bạn thường nên giữ mức tạ nào?
Bạn khôi phục điểm kiểm tra từ kỷ nguyên có điểm xác thực tốt nhất chứ không phải kỷ nguyên cuối cùng, có thể đã quá phù hợp.
Tại sao việc dừng sớm được coi là một hình thức điều chỉnh?
Việc dừng sớm sẽ giữ cho trọng lượng gần với mức khởi tạo hơn, điều này có tác dụng điều chỉnh tương đương với việc giảm trọng lượng.
Ngưỡng 'min_delta' thường chỉ định điều gì?
min_delta đặt ra mức độ cải thiện cần thiết để đặt lại bộ đếm sự kiên nhẫn, ngăn chặn những biến động nhỏ trông giống như tiến bộ thực sự.