iterとは【python】

[chop.chop]

いつもお世話になっています。

本日はpythonの構文で理解がおぼつかない部分がありましたので、教えていただけるとありがたいです。
以下のコードの###########が続いているところで　iter = (epoch - 1) * n_train_batches + minibatch_index　とありますが、このiterの意味が分かりません。

リファレンスを見てもiterはコンストラクタとして引数を取る使い方(iter( , ))をしているものが多く、どなたか教えていただけるとありがたいです。

よろしくお願いします。

コード:

    ###############
    # TRAIN MODEL #
    ###############
    print '... training'
    # early-stopping parameters
    patience = 10000  # look as this many examples regardless
    patience_increase = 2  # wait this much longer when a new best is
                           # found
    improvement_threshold = 0.995  # a relative improvement of this much is
                                   # considered significant
    validation_frequency = min(n_train_batches, patience / 2)
                                  # go through this many
                                  # minibatche before checking the network
                                  # on the validation set; in this case we
                                  # check every epoch

    best_validation_loss = numpy.inf
    best_iter = 0
    test_score = 0.
    start_time = timeit.default_timer()

    epoch = 0
    done_looping = False

    while (epoch < n_epochs) and (not done_looping):
        epoch = epoch + 1
        for minibatch_index in xrange(n_train_batches):

            iter = (epoch - 1) * n_train_batches + minibatch_index ###################################################################################

            if iter % 100 == 0:
                print 'training @ iter = ', iter
            cost_ij = train_model(minibatch_index)

            if (iter + 1) % validation_frequency == 0:

                # compute zero-one loss on validation set
                validation_losses = [validate_model(i) for i
                                     in xrange(n_valid_batches)]
                this_validation_loss = numpy.mean(validation_losses)
                print('epoch %i, minibatch %i/%i, validation error %f %%' %
                      (epoch, minibatch_index + 1, n_train_batches,
                       this_validation_loss * 100.))

                # if we got the best validation score until now
                if this_validation_loss < best_validation_loss:

                    #improve patience if loss improvement is good enough
                    if this_validation_loss < best_validation_loss *  \
                       improvement_threshold:
                        patience = max(patience, iter * patience_increase)

                    # save best validation score and iteration number
                    best_validation_loss = this_validation_loss
                    best_iter = iter

                    # test it on the test set
                    test_losses = [
                        test_model(i)
                        for i in xrange(n_test_batches)
                    ]
                    test_score = numpy.mean(test_losses)
                    print(('     epoch %i, minibatch %i/%i, test error of '
                           'best model %f %%') %
                          (epoch, minibatch_index + 1, n_train_batches,
                           test_score * 100.))

            if patience <= iter:
                done_looping = True
                break

    end_time = timeit.default_timer()
    print('Optimization complete.')
    print('Best validation score of %f %% obtained at iteration %i, '
          'with test performance %f %%' %
          (best_validation_loss * 100., best_iter + 1, test_score * 100.))
    print >> sys.stderr, ('The code for file ' +
                          os.path.split(__file__)[1] +
                          ' ran for %.2fm' % ((end_time - start_time) / 60.))

[トントン]

Pythonで使用するiterはイテレータ オブジェクトを指すと思いますが
ここで使用しているiterは、53行目のコメントが正しいのであれば
「iteration number」を指しているのではないでしょうか。

[chop.chop]

>>トントンさん
返信ありがとうございます。

つまりこれは反復子などではなく、単なる1変数ということで良いでしょうか？

[トントン]

実行できる環境であれば実行してみるのがベストだと思います。
また、その際にprintで出力してみたり
型の確認をしてみるとイメージしている結果に近づくかもしれません。

>>トントンさん
返信ありがとうございます。

つまりこれは反復子などではなく、単なる1変数ということで良いでしょうか？