Pytorch实现Early Stopping --- 已解决

楼主这两天在研究torch，思考它能不能像tf中一样有Early Stopping机制，查阅了一些资料，主要参考了这篇博客，总结一下：

实现方法

安装pytorchtools，而后直引入Early Stopping。
代码：

# 引入 EarlyStopping
from pytorchtools import EarlyStopping
import torch.utils.data as Data	# 用于创建 DataLoader
import torch.nn as nn

结合伪代码进行讲解：

model = yourModel()	# 伪代码
# 指定损失函数，可以是其他损失函数，根据训练要求决定
criterion = nn.CrossEntropyLoss()	# 交叉熵损失函数，注意该损失函数对自动对批量样本的损失取平均
# 指定优化器，可以是其他
optimizer = torch.optim.Adam(model.parameters())
# 初始化 early_stopping 对象
patience = 20	# 当验证集损失在连续20次训练周期中都没有得到降低时，停止模型训练，以防止模型过拟合
early_stopping = EarlyStopping(patience, verbose=True)	# 关于 EarlyStopping 的代码可先看博客后面的内容

batch_size = 64	# 或其他，该参数属于超参，对于如何选择超参，你可以参考下我的上一篇博客
n_epochs = 100	# 可以设置大一些，毕竟你是希望通过 early stopping 来结束模型训练
#----------------------------------------------------------------
# 训练模型，直到 epoch == n_