老师好！我想问一下在mnist识别图片训练中，是不是训练机器识别图片就像教孩子认字，先给一张1的图片让他看，让他记住这张图片的特征，然后说这是一个1字，mnist_data里的训练图片和标检是分开的，用mnist.train.next_batch(50)是随机取到下一批50张训练用的图片，batch[0]和batch[1]是分别代表一张图片和这张图片对应的标检，是不是说训练数据集里既带图片也带标检，一次循环中是用了一张图片还是50张图片，这代码好像是用一张图片，output_y代表一张图片经过训练后输出的数字，input_x是输入的图片，这不是说input_x这张图片经过模型后得到这个数字是output_y，但这里又把batch[1]赋值给output_y,如果这样的话output_y代表的值是训练集里的数字而不是训练后输出的数字。从代码里看logits是模型输出的结果，loss是拿logits和output_y做对比，我原本的理解是input_x是一张输入的图片，没有带有标检，放入模型让机器理解，机器理解之后输出的是logits这个结果，然后再从标检里拿出output_y这个数字，告诉机器这个数字output_y是长的是logits这个样子，机器看了很多不同的1的图片，这里就是不同的logits,然后告诉它这些图片都是1,1是output_y,下次再遇到类似的图片机器就知道这张图片是1，但这里又说output_y是输出，不知如何理解？