Flatten层输入不兼容问题求助（Keras2.1.4+TensorFlow1.5）

这个错误是因为你使用的Keras 2.1.4（搭配TensorFlow 1.5）版本中，Flatten层对输入维度的要求和新版本不同——它默认期望输入至少是3维（比如批量维度+两个空间维度，或者批量+特征+单通道这类结构），但你的输入是2维数组(3280977, 400)（样本数×单样本特征数），所以触发了维度不匹配的报错。

这里有两个直接有效的解决方案：

方案一：移除不必要的Flatten层 #

你的输入已经是扁平的400维向量，完全不需要用Flatten层来展平。直接把Flatten层去掉，让Dense层直接接收2D输入即可：

def train_model():
    autoencoder = keras.Sequential([
        # 直接给Dense层指定input_shape=[400]，接收2D输入
        keras.layers.Dense(150, name='bottleneck', input_shape=[400]),
        keras.layers.Dense(400, activation='sigmoid')
    ])
    autoencoder.compile(optimizer='adam', loss='mse')
    return autoencoder

这是最简洁的解决方式，因为Dense层本身就支持处理(样本数, 特征数)格式的2D输入。

方案二：保留Flatten层，调整输入维度 #

如果你因为代码结构等原因一定要保留Flatten层，可以给输入数组手动增加一个维度，把2D数据转成3D，同时调整Flatten层的input_shape：

# 给test_set增加一个最后维度，变成(3280977, 400, 1)
test_set = np.expand_dims(test_set, axis=-1)

# 修改模型中的Flatten层input_shape为[400, 1]
def train_model():
    autoencoder = keras.Sequential([
        keras.layers.Flatten(input_shape=[400, 1]),
        keras.layers.Dense(150, name='bottleneck'),
        keras.layers.Dense(400, activation='sigmoid')
    ])
    autoencoder.compile(optimizer='adam', loss='mse')
    return autoencoder

这样输入变成3维后，就符合旧版本Flatten层的要求了，展平后依然会得到400维的特征向量，后续的Dense层可以正常处理。

补充说明 #

在较新的Keras版本中，Flatten层已经支持直接处理2D输入，但在你使用的2.1.4这个早期版本里，它的设计更偏向处理图像类的高维输入，所以对2D输入的兼容性较差。优先推荐方案一，既简化代码又避免不必要的维度转换。

内容的提问来源于stack exchange，提问作者Anshul Dubey