Python 如何在损失没有改善的某个时期停止训练过程？

我试图用python实现逻辑回归，我想在训练和测试错误没有改善的时期停止训练过程。我做了以下工作：

def train(X_train,y_train,X_test,y_test,epochs,alpha,eta0):
    N = len(X_train)
    dim = X_train[0]
    w,b = initialize_weights(dim)
    for i in tqdm(range(epochs)):
        for x,y in zip(X_train,y_train):
            dw = gradient_dw(x,y,w,b,alpha,1)
            db = gradient_db(x,y,w,b)
            w = w + (eta0*dw)
            b = b + (eta0*db)
            
        train_prob=[sigmoid((np.dot(w.T,x))+b) for x in X_train]
        train_loss=logloss(y_train,train_prob)
        test_prob=[sigmoid((np.dot(w.T,x))+b) for x in X_test]
        test_loss=logloss(y_test,test_prob)
        
    return w,b,train_loss,test_loss

我能够在最后得到损失，但我希望在损失没有改善的时期停止。 这里定义了initialize_weights（）、gradient_dw（）、gradient_dw（）、sigmoid（）和logloss（）方法