核心要点
监控验证集 loss/指标，而非训练 loss——后者会持续下降掩盖过拟合
patience：验证指标连续 N 个 epoch 不改善才停，容忍正常波动
保存并回退到验证集表现最佳的 checkpoint，而非最后一个 epoch
本质是隐式正则：限制有效训练时长，把模型停在泛化最好的点
标准回答
原理
训练过程中，训练 loss 一般单调下降，但验证集 loss 会先降后升：拐点之前模型在学习通用规律，拐点之后开始记忆训练集噪声即过拟合。早停就是在验证指标停止改善时及时终止训练，把模型固定在泛化最优附近。
关键机制
- 监控指标：用独立验证集的 loss 或准确率等，不能用训练集指标。
- patience（耐心值）：允许验证指标连续 N 个 epoch 没有提升才真正停止，避免被短期噪声误触发。
- 回退最优：记录验证指标最好时的权重，停训后恢复该 checkpoint，而不是用最后一个 epoch 的权重。
- min_delta：只有改善超过某阈值才算"有提升"，进一步抗噪。
为什么算正则化
它限制了优化的有效迭代次数，等效于约束模型复杂度的增长，故被视为一种隐式正则化，常与 Dropout、权重衰减等显式正则手段并用。
常见误区
⚠️ 常见踩坑
用训练集或测试集来触发早停都是错的——前者无法反映过拟合，后者会造成信息泄露；patience 太小易被噪声误停，太大则失去早停意义。
追问
追问 1：早停和 L2 正则、Dropout 有什么关系？
三者都是正则化手段、可叠加使用。早停是隐式正则（限制训练时长）；L2/权重衰减直接惩罚大权重；Dropout 通过随机失活逼近模型集成。早停几乎零成本，常作为默认配置之一。
追问 2：patience 一般怎么设置？
没有定值，取决于验证曲线的噪声程度与训练成本：曲线波动大、单 epoch 便宜则设大一些（如 10–20）；训练昂贵或曲线平滑则可小一些。通常配合学习率衰减一起调，作为超参数验证。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。