ValueError：检查模型目标时出错：预期的卷积2d_2具有形状（无，26,26,64）但是具有形状的数组（250,227,227,1）

我正在使用带有Tensorflow的Keras作为后端，这是我的代码：

#image loading and preprocessing
import os
from PIL import Image as Image
import numpy as np

#files is a list of images
files = [os.path.join('Save', file_i)
 for file_i in os.listdir('Save')
 if '.jpg' in file_i]

imgs = []
for image in files:
    img = Image.open(image) 
    img = img.resize((227,227),Image.BILINEAR)
    img = img.convert('L')

    img = np.asarray(img)

    array = img.astype('float32')
    array /= 255        
    imgs.append(array)  

imgs = np.asarray(imgs)

The_data = imgs.reshape(imgs.shape[0], 227, 227,1)
The_data = The_data.reshape(10, 25, 227, 227, 1)

from keras.models import Sequential
from keras.layers.convolutional import Convolution2D,Deconvolution2D
from keras.layers.convolutional_recurrent import ConvLSTM2D
from keras.layers.normalization import BatchNormalization
from keras.layers.wrappers import TimeDistributed
import numpy as np
import pylab as plt



model = Sequential()
#2 Convolution layer


model.add(TimeDistributed(Convolution2D(128, 11, 11 , border_mode='same', subsample = (4,4)), input_shape=(None,227, 227, 1)))
model.add(TimeDistributed(Convolution2D(64, 5, 5, border_mode='same', subsample = (2,2))))

model.add(TimeDistributed(ConvLSTM2D(nb_filter=64, nb_row=3, nb_col=3,
                   border_mode='same', return_sequences=True)))
model.add(BatchNormalization())
model.add(TimeDistributed(ConvLSTM2D(nb_filter=32, nb_row=3, nb_col=3,
                   border_mode='same', return_sequences=True)))
model.add(BatchNormalization())
model.add(TimeDistributed(ConvLSTM2D(nb_filter=64, nb_row=3, nb_col=3,
                   border_mode='same', return_sequences=True)))
model.add(BatchNormalization())

model.add(TimeDistributed(Deconvolution2D(128, 5, 5,border_mode='same', output_shape=(None,57, 57, 128), subsample = (2,2))))
model.add(TimeDistributed(Deconvolution2D(1, 11, 11,border_mode='same', output_shape=(None,227, 227, 1), subsample = (4,4))))


model.compile(optimizer='adadelta', loss='binary_crossentropy')
model.fit(The_data,The_data, batch_size=5,nb_epoch=1)
model.summary()

我试图读取一些图像并对它们进行一些预处理然后应用（A）2个卷积层，（B）三个ConvLSTM层和（C）2个反卷积层 .

我正在尝试实现本研究中使用的算法paper但是我看到每个 layers(conv,deconv,convlstm) 需要不同的东西，我已经搜索并知道 convlstm 需要5-dim输入（帧数）但是如何改变它的输入形状因为它不是模型中的第一层 .

overview of algorithm here

我这里有三个主要问题：

1- Convultion2d抛出该错误

检查模型目标时出错：预期的卷积2d_2具有形状（无，26,26,64）但是具有形状的数组（250,227,227,1）

2-我有评论ConvLSTM2D，因为它抛出了这个错误

ValueError：输入0与图层convlstm2d_1不兼容：预期ndim = 5，发现ndim = 4

我也评论Deconvolution，因为我不知道output_shape应该是什么 . 我知道最后我应该重建输入图像 .

3-在 model.fit 中，我没有标记数据，因为我正在进行无监督学习，我应该这样做还是什么？