for epoch in range (EPOCH)

`for epoch in range(training_epoch):` 这部分代码表示了一个训练循环，用于迭代整个训练过程。在这个循环中，变量 `epoch` 是一个计数器，它会从 0 开始，每次增加 1，直到达到预设的 `training_epoch` 值。`Epoch` 是一个关键的概念，它定义为一次完整的前向传播（forward pass）和反向传播（backward pass），涉及模型遍历训练集中的所有样本。

具体来说，每当 `epoch` 的值等于某个整数时，就会执行一次完整的数据集遍历，包括所有训练样例的一次正向计算（预测结果）和损失的反向传播以便更新模型参数。`batch_size` 则指定了每次处理的数据点数量，而 `iterations` 可能是指在一个 `epoch` 中处理的批次次数，等于总批次数量 `total_batch` 除以 `batch_size`。

举个例子，如果训练集有 1000 个样本，`batch_size` 设置为 32，那么一个 `epoch` 就会有 `1000 / 32` 次迭代。在每一次迭代中，模型会处理 `batch_size` 个样本，完成一次训练周期。当 `epoch` 循环结束后，模型参数可能已经经过了一轮全面的优化。