在Keras Functional API中合并两个模型

我正在使用广泛而深入的模型，并试图用keras实现一些基本的东西。我能够使用功能性角膜生成一个简单的模型和一个深层的nn。但是，我在将两者结合在一起时遇到了一些问题。

###############################################################################
###############################################################################

inputs = Input(shape = (X_train.shape[1],))
output = Dense(1, activation='linear')(inputs)
wide = Model(inputs, output)

wide.compile(
        optimizer = 'adam',
        loss = 'mean_squared_error',
        metrics = ['accuracy']
)

wide.fit(x = X_train, y = Y_train, epochs = 10, verbose = 1)

###############################################################################
###############################################################################

inputs = Input(shape = (X_train.shape[1],))
x = Dense(200, kernel_initializer = 'uniform', 
               activation = 'relu')(inputs)
x = Dense(100, activation = 'relu')(x)
x = Dense(50, activation = 'relu')(x)
output = Dense(1, activation='sigmoid')(x)
deep = Model(inputs, output)

deep.compile(
        optimizer = 'adam',
        loss = 'mean_squared_error',
        metrics = ['accuracy']
)

deep.fit(x = X_train, y = Y_train, epochs = 10, verbose = 1)

###############################################################################
###############################################################################

merge = Concatenate([wide, deep])
    hidden1 = Dense(10, activation='relu')(merge)
    output = Dense(1, activation='sigmoid')(hidden1)
    model = Model(inputs=visible, outputs=output) 

如何将两个模型串联起来？

我收到此错误：

ValueError: Layer dense_36 was called with an input that isn't a symbolic tensor. Received type: <class 'keras.layers.merge.Concatenate'>. Full input: [<keras.layers.merge.Concatenate object at 0x1a1adda588>]. All inputs to the layer should be tensors.