如果我想显示mnist数据集中的一个图像，我需要使用以下代码将其从（1，28，28）重新整形为（28，28）：

import tensorflow as tf
import matplotlib.pyplot as plt

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

sample = x_train[:1].reshape((28,28))
plt.imshow(sample, cmap="gray")
plt.show()

但是，如果我想在同一个绘图中显示多个图像，我不需要用下面的代码重新调整它们的形状：

import tensorflow as tf
import matplotlib.pyplot as plt

mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

plt.figure(figsize=(10,10))
for i in range(25):
  plt.subplot(5,5,i+1)
  plt.imshow(x_train[i])
plt.show()

为什么在第二个代码中不需要整形？