如果验证损失连续若干轮没有至少降低“最小改进量”，训练就停止。程序深复制验证损失最小时的 state_dict，并在训练结束后恢复这组参数；因此“最佳轮”与“实际停止轮”可能不同。所有轮次都从 1 开始记。