MNIST 데이터 DNN 학습시키는 반복문 안에 minibatch 관련 질문

       

# 질문 1.
  아래와 같이 model 안에 x_minibatch, y_minibatch를 넣고 학습을 시키는 과정인데
  결국 train_batches의 차원은 (375,128,1,28,28) # 48000/128=375
  x_minibatch 의 차원은 (128,1,28,28)
  여기서 model의 input의 차원은 (128,784) 가 맞을까요? 
  결국 한번 model 넣을 때마다 128개의 data가 학습되는 건가요? 
  DNNModel에는 input 차원이 (784,)인 1개의 데이터가 들어가서 output으로 (10,) 데이터를 
  출력한다고 알고있어서 조금 개념이 충돌하는 것 같습니다.

# 질문 2.
  train_batches의 type이 torch.utils.data 이라 shape을 알기 어려워 행렬 구조가 
  눈에 안들어오는데 따로 보는 방법이 있을까요? 


        model.train() # prep model for training
        for x_minibatch, y_minibatch in train_batches:
            y_minibatch_pred = model(x_minibatch.view(x_minibatch.size(0), -1))
            loss = loss_func(y_minibatch_pred, y_minibatch)

            optimizer.zero_grad()
            loss.backward()
            optimizer.step()
            train_loss += loss.item()
        
        train_loss = train_loss / len(train_batches)
        train_losses.append(train_loss)