自定义Fashion MNIST编码器训练时出现ValueError输入维度不兼容问题

该报错为输入形状不匹配错误：你当前定义的编码器模型要求输入的张量形状为(批量大小, 784)，即要求单张输入图像提前展平为784维的一维向量；但你实际传入训练接口的x_train数据形状为(32, 28, 28)，每个batch内的样本仍是28*28的二维原始图像，形状不符合模型要求因此触发错误。

你不需要同时修改模型和数据，二选一即可：

• 方案1：保留现有模型结构，预处理数据匹配模型输入要求
  对训练集、测试集执行展平操作即可，代码如下：

  x_train = x_train.reshape(-1, 784)
  x_test = x_test.reshape(-1, 784)
  

  处理完成后直接调用model.fit训练即可。
• 方案2：保留原始数据格式，修改模型输入层适配原始数据
  如果你不想提前处理数据，可以调整模型输入定义，将展平操作集成到模型内部，修改后的编码器代码如下：

  #Encoder 适配原始28*28图像输入
  from tensorflow.keras.layers import Flatten
  input1 = Input(shape = (28, 28,))
  flatten_layer = Flatten()(input1)
  hidden1 = Dense(128, activation = 'relu')(flatten_layer)
  hidden2 = Dense(64, activation = 'relu')(hidden1)
  hidden3 = Dense(32, activation = 'relu')(hidden2)
  model = Model(inputs = input1, outputs = hidden3)
  

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