楼主您好，在 MNIST 数据集中，您在建好模型进行模型评估的时候有这么两句：
start_index, end_index = batch_index * batch_size, (batch_index + 1) * batch_size
y_pred = model.predict (data_loader.test_data [start_index: end_index])
这里 batch_size 是 50，也就是说您每次在 predict 的时候，用了 50 个样本，那么这 50 个样本它们是一个样本计算一个偏差，最后把这 50 个偏差给叠加起来，还是一次性的将 50 个样本作为模型的一个输入，来得到一个偏差？
这个地方不是很懂，因为我在机器学习中，每次 predict 的时候都是单样本作为输入