Python 图像分类中如何提前停止

我是Pytorch和机器学习的新手，我将在本教程中学习本教程并使用我的自定义数据集。在本教程中我也遇到了同样的问题，但我不知道如何在pytorch中提前停止，如果不创建提前停止过程，您是否有更好的方法，请告诉我。

尝试以下代码

     # Check early stopping condition
     if epochs_no_improve == n_epochs_stop:
        print('Early stopping!' )
        early_stop = True
        break
     else:
        continue
     break
if early_stop:
    print("Stopped")
    break

试试下面的代码

     # Check early stopping condition
     if epochs_no_improve == n_epochs_stop:
        print('Early stopping!' )
        early_stop = True
        break
     else:
        continue
     break
if early_stop:
    print("Stopped")
    break

---

这就是我在每个时代所做的

val_loss += loss
val_loss = val_loss / len(trainloader)
if val_loss < min_val_loss:
  #Saving the model
  if min_loss > loss.item():
    min_loss = loss.item()
    best_model = copy.deepcopy(loaded_model.state_dict())
    print('Min loss %0.2f' % min_loss)
  epochs_no_improve = 0
  min_val_loss = val_loss

else:
  epochs_no_improve += 1
  # Check early stopping condition
  if epochs_no_improve == n_epochs_stop:
    print('Early stopping!' )
    loaded_model.load_state_dict(best_model)

---

Donno这是多么正确我从另一个网站上的帖子中获取了大部分代码，但是忘记了在哪里，所以我无法放置参考链接。我刚刚修改了一点，希望你觉得有用，如果我错了，请指出错误。谢谢

这就是我在每个时代所做的

val_loss += loss
val_loss = val_loss / len(trainloader)
if val_loss < min_val_loss:
  #Saving the model
  if min_loss > loss.item():
    min_loss = loss.item()
    best_model = copy.deepcopy(loaded_model.state_dict())
    print('Min loss %0.2f' % min_loss)
  epochs_no_improve = 0
  min_val_loss = val_loss

else:
  epochs_no_improve += 1
  # Check early stopping condition
  if epochs_no_improve == n_epochs_stop:
    print('Early stopping!' )
    loaded_model.load_state_dict(best_model)

Donno这是多么正确我从另一个网站上的帖子中获取了大部分代码，但是忘记了在哪里，所以我无法放置参考链接。我刚刚修改了一点，希望你觉得有用，如果我错了，请指出错误。多谢各位