class EarlyStopping():
    def __init__(self, patience=5, verbose=False, delta=0, path='../chap08/data/checkpoint.pt'):
self.patience = patience ------ ①
        self.verbose = verbose
        self.counter = 0
        self.best_score = None ------ 검증 데이터셋에 대한 오차 최적화 값(오차가 가장 낮은 값)
        self.early_stop = False ------ 조기 종료를 의미하며 초깃값은 False로 설정
        self.val_loss_min = np.Inf ------ np.Inf(infinity)는 넘파이에서 무한대를 표현
        self.delta = delta ------ ②
        self.path = path ------ 모델이 저장될 경로

    def __call__(self, val_loss, model): ------ 에포크만큼 학습이 반복되면서 best_loss가 갱신되고, best_loss에 진전이 없으면 조기 종료한 후 모델을 저장
    score = -val_loss
        if self.best_score is None: ------ best_score에 값이 존재하지 않으면 실행
            self.best_score = score
            self.save_checkpoint(val_loss, model)
        elif score < self.best_score + self.delta: ------ best_score + delta가 score보다 크면 실행
            self.counter += 1
            print(f'EarlyStopping counter: {self.counter} out of {self.patience}')
            if self.counter >= self.patience:
                self.early_stop = True
        else: ------ 그 외 모든 경우에 실행
            self.best_score = score
            self.save_checkpoint(val_loss, model)
            self.counter = 0

    def save_checkpoint(self, val_loss, model): ------ 검증 데이터셋에 대한 오차가 감소하면 모델을 저장
        if self.verbose:
            print(f'Validation loss decreased ({self.val_loss_min:.6f} --> {val_loss:.6f}). Saving model ...')
        torch.save(model.state_dict(), self.path) ------ 지정된 경로에 모델 저장
        self.val_loss_min = val_loss