[Projeto] Aula 5 — Carregamento de Dados II (PyTorch): early stopping + melhor modelo restaurado

Pessoal, compartilho aqui meu notebook da última aula do curso. Mantive a estrutura do material e adicionei mecanismos de reprodutibilidade e treino mais robusto (early stopping + restauração do melhor estado).

• Notebook do curso (original): https://github.com/alura-cursos/1563-treinando-pytorch/blob/aula-05/Carregamento%20de%20Dados%20II.ipynb
• Minha versão: https://github.com/carlosvblessa/treinando-pytorch/blob/main/05-CarregamentoDeDados2.ipynb

O que foi alterado/melhorado

• Restauração do melhor modelo: importei copy e salvo uma cópia profunda de state_dict() quando a val loss melhora; no fim do treino, restauro os melhores pesos.
• Hiperparâmetros: lr=1e-3, weight_decay=1e-5, early_stopping_patience=20.
• Seeds globais: torch.manual_seed, np.random.seed, torch.cuda.manual_seed_all (quando aplicável).
• Escalonamento: uso StandardScaler apenas nas features, mantendo o alvo na escala original; isso ajuda a estabilizar gradientes antes de reduzir a taxa de aprendizado.
• Early stopping: monitora a menor loss de validação, interrompe após 20 épocas sem melhora real e restaura os pesos da “época campeã”.

Resultados (resumo dos logs)

Local (CPU)

• Melhor época: 185 — val loss 28.6814.
• Treino foi até a época 199 (limite), e no final restaurei o estado da época 185.

Colab (GPU / CUDA)

• Early stopping ativado na época 132.
• Melhor época: 112 — val loss 27.6826.
• Modelo restaurado para a época 112.

Os tempos por época e desvios padrão estão nos logs do notebook.

Nota sobre reprodutibilidade

Mesmo com seeds fixas, ao usar DataLoader(num_workers>0) os batches podem ser embaralhados em threads diferentes; além disso, CPU x GPU podem divergir levemente (FMA, kernels do cuDNN, etc.). Por isso é comum a “época campeã” mudar entre ambientes.

Espero que ajude quem está fechando o curso e quer métricas/logs mais confiáveis para comparar execuções.