Shuo Cao
4.2 KiB
4.2 KiB
更新日志 (Changelog)
[2.0.0] - 2025-10-27
✨ 新增功能
训练改进
- 训练集/验证集划分: 自动划分80%训练集和20%验证集
- 双Loss监控: 每个epoch同时显示训练Loss和验证Loss
- 早停机制(Early Stopping): 验证Loss连续20轮不降则自动停止训练
- 最佳模型保存: 自动保存验证Loss最低的模型，而非最后一轮
- 智能训练: 最多训练500轮，但通常会在150-200轮触发早停
可视化功能
- 训练曲线图: 自动生成
training_loss.png- 双曲线对比（训练Loss vs 验证Loss）
- 标记最佳模型的epoch位置
- 提供完整曲线和后期收敛细节两个子图
- 支持中文字体显示
诊断功能
- 训练总结报告: 训练结束后自动输出
- 总训练轮数
- 最佳模型epoch
- 最佳验证Loss
- 最终训练Loss和验证Loss
- 训练/验证Loss差异分析
- 智能诊断: 自动判断模型状态
- ✓ 良好：没有明显过拟合
- ⚠ 尚可：有轻微过拟合倾向
- ✗ 警告：可能存在过拟合
📝 文档更新
README.md
- 更新训练流程说明，详细说明新增功能
- 新增"如何判断模型训练效果好坏"FAQ
- 新增"验证Loss远高于训练Loss"问题解答
- 更新训练参数表格，包含早停和验证集信息
- 更新性能基准数据
- 标注版本号为2.0.0并列出更新内容
提示词文件
- prompt_simple.txt: 更新训练脚本要求，包含验证集和早停
- prompt_professional.txt: 详细补充所有新功能的实现要求
- 验证集监控
- 早停机制
- 最佳模型保存
- 训练可视化
- 智能诊断
- 更新成功标准和重要提示
🔧 代码优化
train_lstm.py
- 代码从150行扩展到~330行（增加了大量功能但保持可读性）
- 所有新增代码均有详细中文注释
- 改进的训练循环：
for epoch in range(500): # 最多500轮 # 训练阶段 model.train() # ... 训练代码 ... # 验证阶段 model.eval() with torch.no_grad(): # ... 验证代码 ... # 早停检查 if val_loss < best_val_loss: best_model_state = model.state_dict() else: patience_counter += 1 if patience_counter >= patience: break # 触发早停
📊 训练效果对比
v1.0.0（旧版本）
- 固定训练100轮
- 只有训练Loss
- 无法判断过拟合
- 可能保存次优模型
- 训练时间：~15秒
v2.0.0（新版本）
- 智能训练150-200轮（早停）
- 训练Loss + 验证Loss
- 自动检测过拟合
- 保证保存最佳模型
- 训练时间：~30秒
- 新增训练曲线图
- 新增诊断报告
🎯 教学价值提升
- 理解过拟合: 通过双Loss对比直观理解
- 学习早停: 了解工业界常用的训练技巧
- 模型评估: 学会判断模型质量的方法
- 可视化思维: 培养通过图表分析问题的能力
- 最佳实践: 掌握训练集/验证集划分的重要性
📦 新增文件
training_loss.png- 训练曲线图（自动生成）CHANGELOG.md- 本更新日志
⚙️ 依赖变化
需要安装matplotlib用于绘图（可选）：
pip install matplotlib
如果未安装matplotlib，程序会跳过绘图但不影响训练。
🐛 问题修复
- 修复了可能保存次优模型的问题（现在保存验证Loss最低的模型）
- 优化了文件路径处理，确保所有输出文件保存到脚本目录
🔮 未来计划
- 添加TensorBoard支持
- 支持学习率动态调整
- 添加多模型对比功能
- 支持分布式训练
- 增加更多技术指标特征
[1.0.0] - 2025-10-27（初始版本）
基础功能
- LSTM模型训练
- CUDA GPU加速
- MT5数据获取
- ONNX模型导出
- MQL5 EA交易
- 基础文档
版本说明:
- 主版本号：重大功能变更或架构调整
- 次版本号：新增功能或重要改进
- 修订号：Bug修复或小优化
当前版本: 2.0.0 维护状态: 活跃开发中