PyTorch如何保存验证集上效果最好的模型
验证集的作用是在训练过程中监测是否出现过拟合。通常情况下，我们期望验证集的损失函数值在训练过程中首先下降，然后趋于稳定或上升。当损失函数值达到最小值时，表示模型在验证集上的泛化能力最佳，效果最好。
当我们的模型在训练后，在验证集上进行验证时，通常我们想要保留效果最好的模型，想要找到在哪个epoch下模型的效果最好，而不是将每个epoch下的模型都保存。
因此，通过设定一个最小损失的阈值，在每次epoch结束后，都与该阈值进行比较，当小于此阈值时，修改阈值并保存当前epoch下对应的模型。这样最后保存的模型便为在验证集上效果最好的模型，该方式不仅降低了内存的使用，而且提升了我们训优的效率。
"""伪代码实现:
"""
# 定义一个最小损失阈值，尽量大一点，全局变量
loss_min = 1e9# 如果当前批次的损失低于最小损失，则保存模型
global loss_min
if cur_loss < loss_min:loss_min = cur_losssave_model(save_path, ....)
"""实例:
"""
# 定义最小损失，用于保存最好的模型，全局变量
min_loss = 1e9# 保存效果最好的模型以及最后一个epoch对应的模型，global用于声明min_loss是全局变量
global min_loss
if loss < min_loss or epoch == opt.n_epochs:min_loss = losssave_model(save_path, epoch, model, optimizer)
注意：通过这种方式我们可以得到在验证集上损失最小的epoch所对应的模型，但是通过实验我发现，该模型不一定就是效果最好的模型。很梦幻，深度学习~
😃😃😃
