こんにちは、以下私の理解で恐縮なのですが、
１０枚分（ミニバッチの数）のデータで推論＝＞１０枚分のクロスエントロピー誤差を計算（損失の計算）＝＞逆誤差伝搬にてネットワーク全体の重みを更新（回数でいうと１回、というのがよいでしょうか）
という感じではないですかね。
スクリーンショットを見る限り、trainの関数で学習させてると思うのですが、
カスタムループで書く版のドキュメントを見ると参考になるかもしれません。
例えば、以下の関数で入力Xと正解Yがあったときにforwardさせて、さらにそこからロスを計算させて、勾配を求めているのがわかると思います。
質問者さまのおっしゃるように、１枚ずつ勾配を出して更新するのではなくて、１０枚の結果をもって更新させています。
１０枚だと１０枚分の結果が平滑化されるのですが、１枚だとノイジーになって、学習曲線が非常にガタガタした感じになると思います。
function [gradients,state,loss] = modelGradients(dlnet,dlX,Y)
[dlYPred,state] = forward(dlnet,dlX);
loss = crossentropy(dlYPred,Y);
gradients = dlgradient(loss,dlnet.Learnables);
loss = double(gather(extractdata(loss)));
end
https://jp.mathworks.com/help/deeplearning/ug/train-network-using-custom-training-loop.html
