自动编码器要求Encoder与Decoder层结构严格镜像：空间尺寸需可逆匹配，bottleneck须正确reshape，输出激活须与输入归一化方式一致（[0,1]配sigmoid，[-1,1]配linear），权重共享需自定义Layer实现，latent维度过小会导致重建模糊。
Encoder 和 Decoder 的层结构必须严格镜像，否则 tf.keras.Model 会报 ValueError: Input 0 is incompatible with layer
自动编码器不是“随便堆两段相似网络”就行。Encoder 输出的 latent vector 形状，必须能被 Decoder 的第一层输入完全接纳——这意味着除通道数外，空间尺寸（如 height、width）也得对得上。常见错误是 Encoder 用了 3 层 Conv2D + MaxPooling2D（每层降采样 2 倍），但 Decoder 只用 2 层 Conv2DTranspose，结果输入 shape 不匹配。
实操建议：
- Encoder 每做一次
MaxPooling2D(pool_size=2)，Decoder 就得配一次Conv2DTranspose(filters=..., kernel_size=2, strides=2) - 用
model.encoder.summary()和model.decoder.summary()分别检查末/初两层输出/输入 shape，重点核对(None, h, w, c)中的h、w是否可逆 - 如果用
Flatten+Dense做 bottleneck，Decoder 开头必须用Reshape还原为合法图像 shape，比如Reshape((7, 7, 64))，不能只写Reshape((-1, 64))
Decoder 最后一层激活函数选 sigmoid 还是 linear，取决于你的输入归一化方式
这直接决定训练是否发散。如果你把图像像素缩放到 [0, 1]（例如 x_train / 255.0），Decoder 输出必须用 sigmoid，否则值域跑出 [0,1]，binary_crossentropy 损失会算出负无穷或 NaN；反过来，如果输入是 [-1, 1]（如用 tf.image.per_image_standardization），最后一层就得用 linear，并配 mean_squared_error 或 tf.keras.losses.MeanAbsoluteError。
实操建议：
- 检查数据预处理代码：看到
/ 255.0→ Decoder 末层用activation='sigmoid' - 看到
tf.cast(x, tf.float32) - 127.5) / 127.5→ 末层用activation='linear' - 千万别在
sigmoid后接mse，梯度会极小；也别在linear后接binary_crossentropy，log(负数) 直接崩
共享 Encoder/Decoder 权重时，tf.keras.layers.Layer 子类比 Sequential 更可控
想让 Encoder 和 Decoder 共享卷积核（比如做卷积自编码器的权重复用），Sequential 模型没法直接复用层实例——它内部会自动重命名层，导致两次调用生成不同变量。必须用自定义 Layer 显式管理权重。
实操建议：
- 把共享卷积块封装成一个继承
tf.keras.layers.Layer的类，在__init__里定义self.conv = Conv2D(...)，在call里复用self.conv(x) - 避免在
build()外提前调用self.conv，否则权重初始化时机错乱 - 验证是否真共享：打印
model.encoder.shared_block.conv.kernel和model.decoder.shared_block.conv.kernel的id()，应完全一致
训练时 latent vector 维度设太小，重建图会出现模糊块状伪影，不是模型没训好，是信息瓶颈过窄
哪怕 MNIST 这种简单数据，latent 维度低于 16（例如只用 Dense(8)），Decoder 就很难还原边缘细节，输出全是带晕染的灰斑。这不是学习率或 epoch 数的问题，是维度本身掐死了表达能力。
实操建议：
- MNIST：latent 至少
32（Dense(32)），推荐64或128 - CIFAR-10：别用
128，起步就512，最好配合Conv2Dbottleneck（如(4, 4, 32)→ 512 维） - 调试时先关掉正则项（如
activity_regularizer），纯看重建质量，再加约束
对称性不是画个结构图就完事的——shape 对不上、激活和损失不搭、权重没真共享、latent 维度硬压缩，四个地方任何一个松动，模型就只是“看起来像”自动编码器。
