def affine_forward(x, w, b): out = None # Reshape x into rows N = x.shape[0] x_row = x.reshape(N, -1) # (N,D) -1表示不知道多少列，指定行，就能算出列 = 2 * 32 * 16 * 16/2 = 8192 out = np.dot(x_row, w) + b # (N,M) 2*8192 8192*100 =>2 * 100 cache = (x, w, b) return out, cache，如何改为适用于mnist的矩阵

如果你想将这个`affine_forward`函数应用到MNIST数据集上，你需要将输入的形状从`(N, 2*32*16*16/2)`改为`(N, 784)`，因为MNIST数据集的每张图片的大小是28x28，展开成一维向量后有784个元素。同时，你需要将权重矩阵`w`的形状从`(2*32*16*16/2, M)`改为`(784, M)`。具体的代码实现如下：

def affine_forward(x, w, b):
    out = None
    # Reshape x into rows
    N = x.shape[0]
    x_row = x.reshape(N, -1)  # (N,784)
    out = np.dot(x_row, w) + b  # (N,M) 
    cache = (x, w, b)
    return out, cache

在这个代码中，我们将输入的形状从`(N, 2*32*16*16/2)`改为`(N, 784)`，并将权重矩阵`w`的形状从`(2*32*16*16/2, M)`改为`(784, M)`。这样，你就可以将这个函数应用到MNIST数据集上了。