阿
Conv2D层需要四个维度，而不是三个：
(batch_size, height, width, channels)
。
并且
TimeDistributed将需要额外的尺寸：
(batch_size, frames, height, width, channels)
因此，如果您真的要使用
TimeDistributed+
Conv2D，则需要5个维度。你
input_shape=(86,28,28,3)，或者你的
batch_input_shape=(batch_size,86,28,28,3)，在这里我假设你有一个RGB视频（3个色通道）。
通常，您只需将输入形状传递给
TimeDistributed。
model.add(TimeDistributed(Dense(....), input_shape=(86,28,28,3))
batch_input_shape仅在使用
stateful=TrueLSTM的情况下才需要。然后，您只需将batch_input_shape替换为input_shape。
请注意，只有卷积2D层才能看到高度和宽度方面的图像。添加LSTM时，将需要调整数据的形状以将高度，宽度和通道合并为一个维度。
对于形状（框架，h，w，ch）：
model.add(Reshape((frames,h*w*ch)))
而且，您不应
TimeDistributed仅将这些LSTM与卷积层一起使用。
您的使用方法可以，
model.add(TimeDistributed(Flatten()))而不需要重塑。
还要注意，Keras最近实现了
ConvLSTM2D一层，这可能对您有用：https
:
//keras.io/layers/recurrent/#convlstm2d
