我对代码中出现的错误有疑问。
我尝试使用自定义开放环境和Tensorflow的DQNAgent求解TSP。当我尝试编译代理时，我收到以下错误：
我已经尝试安装keras-rl 2，也没有解决这个问题。
类型错误：回溯（最近调用最后）单元格在[42]，第72行70模型。输出71 #创建TSP代理---〉72代理= build_agent（model，action_size）73 #训练代理74 #代理。编译（Adam（lr= 1 e-3），metrics=['mae']）
单元在[42]中，第62行，在build_agent（模型，动作大小）中60内存=顺序内存（限制=50000，窗口长度=1）61 #创建DQN代理---〉62代理= DQNAgent（模型，内存=内存，策略=策略，nb_actions=动作大小，nb_steps_warmup=10，目标_模型_update= 1 e-2）64返回代理
文件c：\用户\fabian.woellenweber\应用数据\本地\程序\Python\Python310\lib\站点包\rl\代理\dqn.py：108，在DQNAgent中。init（自定义，模型，策略，测试策略，启用双dqn，启用决斗网络，决斗类型，* 参数，kwargs）105 super（DQNAgent，自定义）。init（ 参数，kwargs）107 #验证（重要）输入。--〉108如果hasattr（模型.输出，'*len'）和len（模型.输出）〉1：109 raise ValueError（'Model“{}”有多个输出。DQN需要一个只有一个输出的模型。'. format（model））110 if model.output._keras_shape！=（None，self.nb_actions）：
文件c：\用户\法比安.沃伦韦伯\应用数据\本地\程序\Python\Python 310\库\站点包\凯拉斯\引擎\凯拉斯Tensor.py：244，在凯拉斯Tensor中。长度（自我）243定义长度*（自我）：--〉244引发TypeError（... 251“在功能模型中。如果您试图直接Assert符号输入/输出，此错误也将引发“252“。”253）'
TypeError：Keras符号输入/输出未实现__len__。您可能正在尝试将Keras符号输入/输出传递到未注册调度的TF API，从而阻止Keras自动将API调用转换为功能模型中的lambda层。如果您尝试直接Assert符号输入/输出，也会引发此错误。“
'

state_size = env.observation_space.n
action_size = env.action_space.n

def build_model(state_size, action_size):
    model = tf.keras.Sequential()
    model.add(Dense(256, input_dim=state_size, activation='relu'))
    model.add(Dense(256, activation='relu'))
    model.add(Dense(action_size, activation='linear'))
    model.summary()
    return model

# Create the TSP agent
def build_agent(model, action_size):
    # Use Epsilon-Greedy policy for exploration
    policy = BoltzmannQPolicy()
    # Create memory for storing transitions
    memory = SequentialMemory(limit=50000, window_length=1)
    # Create the DQN agent
    agent = DQNAgent(model, memory=memory, policy=policy, nb_actions=action_size, nb_steps_warmup=10, target_model_update=1e-2)
    
    return agent


# Create the TSP model
model = build_model(state_size, action_size)
model.output
# Create the TSP agent
agent = build_agent(model, action_size)
# Train the agent
#agent.compile(Adam(lr=1e-3), metrics=['mae'])