对于我的训练数据，我使用的是:

img_height = 328img_width = 328train_ds = tf.keras.preprocessing.image_dataset_from_directory(  data_dir,  validation_split=0.2,  subset="training",  seed=123,  image_size=(img_height, img_width),  batch_size=batch_size)val_ds = tf.keras.preprocessing.image_dataset_from_directory(  data_dir,  validation_split=0.2,  subset="validation",  seed=123,  image_size=(img_height, img_width),  batch_size=batch_size)

当我尝试使用autoencoder.fit(train_ds,validation_data=val_ds,epochs=50)运行时，我得到了ValueError: logits和labels的形状必须相同（(None, 328, 328, 3) vs (None, 1)）

有人知道如何解决这个问题吗？

回答：

对于自编码器，你的目标需要是你的输入。你试图最小化的错误是重构损失，因此输出需要是你的原始输入。默认情况下，Keras目录迭代器会返回目标（例如，0和1），而不是输入。

generator = tf.keras.preprocessing.image.ImageDataGenerator(    validation_split=0.2)

指定class_mode='input'。请注意，我似乎使用了不同的版本，所以我不得不将image_size替换为target_size以便它能够为我运行。

train_ds = generator.flow_from_directory(  data_dir,  subset="training",  seed=123,  image_size=(img_height, img_width),  batch_size=batch_size,  class_mode='input')

这是一个使用生成数据的完整工作示例，它使用了你提供的自编码器架构:

Train for 1 steps1/1 [==============================] - 9s 9s/step - loss: 0.8827