Xây dựng Bộ Quản lý Early Stopping & Checkpoint Mô hình PyTorch

Mục tiêu kiến thức

• Chống hiện tượng quá khớp (overfitting) trong quá trình huấn luyện mạng nơ-ron sâu.
• Cơ chế hoạt động:
• Theo dõi một đại lượng kiểm định (validation metric), ví dụ val_loss (chế độ "min") hoặc val_accuracy (chế độ "max").
• Nếu sau patience epoch liên tiếp metric không cải thiện vượt qua ngưỡng min_delta, kích hoạt cờ dừng should_stop = True.
• Mỗi khi đạt kỷ lục mới, tự động sao chép sâu (deep copy) trạng thái mô hình (model_state) làm checkpoint tốt nhất.
• Khi kết thúc, cung cấp hàm khôi phục get_best_state() để nạp lại trọng số tại epoch tốt nhất thay vì epoch cuối cùng.

Yêu cầu

Xây dựng lớp EarlyStoppingManager:

class EarlyStoppingManager:
    def __init__(self, patience: int = 3, min_delta: float = 1e-4, mode: str = "min"):
        pass

    def step(self, metric: float, model_state: dict[str, Any]) -> bool:
        pass

    def get_best_state(self) -> dict[str, Any] | None:
        pass

• mode: Nhận "min" (mặc định) hoặc "max".
• step(metric, model_state): Trả về True nếu cần dừng sớm, False nếu tiếp tục.
• get_best_state(): Trả về bản sao model_state tốt nhất.

Ràng buộc

• Thời gian chạy tối đa: 2000ms.
• Giới hạn bộ nhớ: 256MB.
• Dữ liệu đầu vào hợp lệ theo đúng kiểu dữ liệu và miền giá trị được mô tả.