Thiết kế Dataclass Bất biến Xác thực Cấu hình Huấn luyện AI

Mục tiêu kiến thức

• Sử dụng module chuẩn dataclasses với cờ frozen=True để tạo cấu trúc dữ liệu bất biến (Immutable Data Structure).
• Tùy biến kiểm tra tính hợp lệ của trường dữ liệu thông qua phương thức __post_init__.
• Hỗ trợ tính toán hash và so sánh bằng tự động để dùng làm khóa trong Cache hoặc Set.

Mô tả bài toán

Khi huấn luyện các mô hình AI tại AI Empire Academy, các siêu tham số (Hyperparameters) cần được đảm bảo tính toàn vẹn tuyệt đối: sau khi khởi tạo, không một hàm nào được phép thay đổi cấu hình làm sai lệch kết quả thí nghiệm (Reproducibility).

Hãy cài đặt lớp @dataclass(frozen=True) có tên TrainingConfig: Các trường dữ liệu:

• model_name: str
• learning_rate: float
• batch_size: int
• layers: tuple[int, ...]
• optimizer: str = "adam"
• weight_decay: float = 0.01

Phương thức __post_init__ phải kiểm tra các quy tắc nghiêm ngặt sau và ném ValueError tương ứng nếu vi phạm:

• model_name: Sau khi strip(), chuỗi không được rỗng. Nếu rỗng, ném ValueError("model_name khong duoc de trong").
• learning_rate: Phải thỏa mãn 0 < learning_rate ≤ 1.0. Nếu không, ném ValueError("learning_rate phai thuoc (0, 1]").
• batch_size: Phải là số nguyên dương và là lũy thừa của 2 (ví dụ 1, 2, 4, 8, 16, 32, 64, 128, ...). Nếu không, ném ValueError("batch_size phai la luy thua cua 2").
• layers: Phải là tuple có ít nhất 1 phần tử và mọi phần tử đều phải > 0. Nếu không, ném ValueError("layers phai gom cac so nguyen duong").
• optimizer: Chuyển về chữ thường phải nằm trong tập hợp {"adam", "sgd", "adamw"}. Nếu không, ném ValueError("optimizer khong hop le").
• weight_decay: Phải ≥ 0.0. Nếu không, ném ValueError("weight_decay khong the am").

Vì frozen=True, bất kỳ hành vi gán lại giá trị cho thuộc tính (ví dụ cfg.learning_rate = 0.01) phải tự động bị từ chối bởi dataclasses.FrozenInstanceError.

Ràng buộc

• Thời gian chạy tối đa: 1000ms.
• Giới hạn bộ nhớ: 256MB.