Yakınsama (Convergence)

Yakınsama nedir?

Yakınsama (convergence), bir modelin eğitim boyunca loss •hata• değerinin adım adım düşüp sonunda sabit bir seviyeye yerleşmesidir. Model yakınsadığında, fazladan eğitim artık kayda değer bir iyileşme getirmez — öğrenme eğrisi düzleşir. Kısaca: "model öğrenecekini öğrendi, buradan sonrası boşa kürek" anı.

Nasıl çalışır?

Eğitim, gradient descent •hatayı azaltacak yönde ağırlıkları küçük adımlarla güncelleme• ile ilerler. Her adımda model biraz daha iyi tahmin yapar ve loss düşer. Başta hızlı düşen bu eğri zamanla yavaşlar ve yataya yaklaşır — işte yakınsama budur. Learning rate •öğrenme adımının büyüklüğü• burada kritiktir: çok büyükse model bir türlü oturmaz, sürekli zıplar (ıraksama); çok küçükse yakınsama sonsuza kadar sürer. İyi ayarlanmış bir eğitim, makul sürede kararlı bir noktaya yakınsar.

Neden önemli?

Çünkü "ne zaman durmalıyım?" sorusunun cevabı budur. Yakınsamadan önce durursan model yeterince öğrenmemiş olur (underfitting). Yakınsamadan çok sonra ısrar edersen hem hesap gücünü boşa harcar hem de ezberlemeye (overfitting) kayabilirsin. Early stopping •doğrulama hatası artınca eğitimi kesme• gibi teknikler tam da bu dengeyi tutturmak için var.

Kullanım alanları

Yakınsama, her model eğitiminin — küçük bir sınıflandırıcıdan dev bir LLM'e kadar — takip edilen temel sinyalidir. Eğitim grafiklerinde loss eğrisine bakan herkes aslında "yakınsadı mı?" sorusunu sorar. Hiperparametre ayarı, eğitim maliyeti planlaması ve model kalitesi değerlendirmesinin hepsi bu kavramın etrafında döner.