1. 根据您所提供的回答，训练模型，model.fit(train_ds)时， 我出现了 ValueError: Input 0 of layer "sequential_1" is incompatible with the layer: expected shape=(None, 28, 28, 1), found shape=(None, 112, 112, 3) 2. 我创建了另一个val_ds用于测试集，请问该如何训练模型呢？

1. 这个错误提示显示您的训练数据集(train_ds)的输入形状与模型(sequential_1)定义的输入形状不匹配。模型sequential_1期待输入的形状为(None, 28, 28, 1)，而数据集的形状为(None, 112, 112, 3)。这意味着您的数据集中的图像大小为112x112，而模型期望的输入图像大小为28x28。

为了解决这个问题，您需要将数据集中的图像大小调整为28x28。您可以使用TensorFlow中的tf.image.resize函数将图像大小调整为28x28。例如:

import tensorflow as tf

def preprocess(image, label):
    resized_image = tf.image.resize(image, [28, 28])
    return resized_image, label

train_ds = train_ds.map(preprocess)

这个代码片段将使用preprocess函数将train_ds数据集中的所有图像大小调整为28x28。

2. 对于测试集，您需要采用与训练集相同的预处理步骤进行处理。例如，您可以使用与上面相同的preprocess函数来处理测试集数据，并将其传递给模型进行预测。您可以使用model.evaluate(val_ds)函数来评估模型在测试集上的性能。