最近学习一个mnist的训练，里面是这样写的：
xs,ys = mnist.train.next___batch(100)
而我看了一下mnist的单个数据是28*28的
而每次用一个batch的大小是100*784
我想请问一下一个batch是怎么训练的，是一个一个的28*28传入网络，还是100*784大小的数据全部传入网络？
如果是100*784传入，请问这个是怎么回事？
每次都是输入1个图片，正向传播，计算损失函数，再100个作为整体来反向传播，调整权重
一张mnist图片size就是28*28，即长宽都为28，一个batch就是100张图片一起传进去训练，那个784=28*28，应该是将一张图片reval为一行，
你这个应该是全连接即用的Dense层。
所以他的维度（shape）应该是（1,100,784）即在最前面加了一个维度，你可以仔细看下实现代码。（另外mnist图片是灰度图片，它的shape为（28,28,1），彩色图片是（28,28，3）即有三个通道这个要注意
在训练的时候是100*784作为一个batch一起传入网络，然后用小批量梯度下降法(Mini-Batch Gradient Descent, MBGD)找到梯度并更新模型参数。
目前我们训练模型一般都是用的小批量梯度下降法，解释见链接：
https://www.cnblogs.com/lliuye/p/9451903.html
在测试阶段，也可以100 * 784一起输入到网络进行分类，也可以是一张一张图片输入到网络测试。如果是100 * 784输入到网络，那么最后得到的特征大小就是100 * 10，也就是同时计算了100张图片的特征向量。
batch_size是指一次训练使用100个样本， 和784关系不大，主要是为了网络在反向传播过程中学习到更好的参数，
如果采用CNN把100*784reshape(100,28,28,1)，
前向神经网络为（100,784），784可以理解为特征个数。