Python Tensorflow-ValueError：模型的输出张量必须是Tensorflow`层的输出`

我已经在TensorFlow 2.0中使用Keras函数API创建了一个RNN，下面的代码在其中工作

sum\u input=keras.input（形状=（单位大小，256），名称='sum'）
x=tf.unstack（总和输入，轴=2，数量=256）
t_sum=x[0]
对于范围内的i（len（x）-1）：
t_sum=keras.layers.Add（）
sum\u m=keras.Model（输入=sum\u输入，输出=t\u sum，name='sum\u Model'）

然后我不得不改为Tensorflow 1.13，这给了我以下错误

ValueError: Output tensors to a Model must be the output of a TensorFlow `Layer` (thus holding past layer metadata). Found: Tensor("add_254/add:0", shape=(?, 40), dtype=float32)

我不明白为什么输出张量不是来自Tensorflow层，因为t_sum是keras.layers.Add的输出

---

我曾尝试按照中的建议将部分代码包装到keras.layers.Lambda中，但它似乎对我不起作用

问题不在于

Add（）

层，而在于

tf.unstack（）

-它不是

keras.layers.layer（）的实例。您可以将其包装为自定义图层：

将tensorflow导入为tf
类取消堆叠（tf.keras.layers.Layer）：
定义初始化（自）：
super（Unstack，self）。\uuuu init\uuuuu（）
def调用（自我，输入，num=256）：
返回tf.unstack（输入，轴=2，数量=num）
x=取消堆叠（）（总和输入）

或者，您可以使用
Lambda
layer来代替子类化：

x=tf.keras.layers.Lambda（Lambda t:tf.unstack（t，axis=2，num=256））（总和输入）
我们可以使用
Lambda
层来包装
tf.unstack（）
？@chandresh当然可以，
x=tf.keras.layers.Lambda（Lambda t:tf.unstack（t，axis=2，num=256））（输入）