请问老师，关于MNIST手写数字识别的网络结构

<ol class=" list-paddingleft-2" style="list-style-type: decimal;" ><li><p>经过flatten之后变为(60000, 784)；<br ></p></li><li><p><img src="https://nos.netease.com/edu-image/da4183e31da6401ab1f4636f0dc28342.png" style="width: 340px; height: 181px;" /></p></li><li><p>说明一下，shape是(60000, 28, 28)的话结果是一样的；<br /></p></li><li><p>每次按照batch_size大小的数量喂入训练，即输入数据的结构是(batch_size, 784)，做矩阵相乘的时候<strong>输入变量</strong>在左边，权重矩阵在右边，所以是(N, 784)乘以W，每个数据互补影响。<br /></p></li></ol>

<p>在以上同学的帮助，解决了困惑；把我的理解发一下，如果有问题的话，希望老师指出</p><p><br ></p><p>Flatten层对于输入数据的要求是，第一维必须是batch_size（可以理解为数据的数量）</p><p>输入数据的维度(60000, 28, 28)，第一维60000正好表示数量，所以可以经过Flatten层拉直，变成(60000, 784)</p><p>在经过Flatten层之后，model已经知道了第一维表示batch_size，第二维表示输入维度，所以在第一个hidden layer中，不用再设置input_dim为784</p><p>如果以后输入数据变成了(28, 28, 60000)，那就要自己进行拉直，传入model，并且设置input_dim=784</p><p><br ></p><p>不知道有没有错的和遗漏的</p>

<p>还有一点理解</p><p>输入数据表示为矩阵x，hidden layer的参数表示为w，暂且不要b<br ></p><p>hidden layer的运算是x*w还是w*x，取决于input_dim和units</p><p>如果是x = (batch_size, input_dim)，那么w = (input_dim, units)，运算为x*w</p><p>如果是x = (input_dim, batch_size)，那么w = (units, input_dmi)，运算为w*x</p><p><br ></p><p>总之，keras的model会根据第一层的input_dim和units自动设置，保证所有运算的shape都正确</p><p>请问老师是这样的吗？</p>