Как добавить уровень внимания к автоэнкодеру LSTM, построенному как последовательная модель keras в python?

Итак, я хочу построить модель автоэнкодера для данных последовательности. Я начал строить последовательную модель keras в python, и теперь я хочу добавить слой внимания посередине, но не знаю, как к этому подойти. Моя модель на данный момент:

from keras.layers import LSTM, TimeDistributed, RepeatVector, Layer
from keras.models import Sequential
import keras.backend as K

model = Sequential()
model.add(LSTM(20, activation="relu", input_shape=(time_steps,n_features), return_sequences=False))
model.add(RepeatVector(time_steps, name="bottleneck_output"))
model.add(LSTM(30, activation="relu", return_sequences=True))
model.add(TimeDistributed(Dense(n_features)))

model.compile(optimizer="adam", loss="mae")

До сих пор я пытался добавить функцию внимания, скопированную с здесь

class attention(Layer):
    def __init__(self,**kwargs):
        super(attention,self).__init__(**kwargs)

    def build(self,input_shape):
        self.W=self.add_weight(name="att_weight",shape=(input_shape[-1],1),initializer="normal")
        self.b=self.add_weight(name="att_bias",shape=(input_shape[1],1),initializer="zeros")        
        super(attention, self).build(input_shape)

    def call(self,x):
        et=K.squeeze(K.tanh(K.dot(x,self.W)+self.b),axis=-1)
        at=K.softmax(et)
        at=K.expand_dims(at,axis=-1)
        output=x*at
        return K.sum(output,axis=1)

    def compute_output_shape(self,input_shape):
        return (input_shape[0],input_shape[-1])

    def get_config(self):
        return super(attention,self).get_config()

и добавил его после первого LSTM, перед повторным вектором, то есть:

model = Sequential()
model.add(LSTM(20, activation="relu", input_shape=(time_steps,n_features), return_sequences=False))
model.add(attention()) # this is added
model.add(RepeatVector(time_steps, name="bottleneck_output"))
model.add(LSTM(30, activation="relu", return_sequences=True))
model.add(TimeDistributed(Dense(n_features)))

model.compile(optimizer="adam", loss="mae")

но код дает ошибку, потому что размеры как-то не подходят, и проблема заключается в том, чтобы вывести вывод внимания () для повторения вектора:

ValueError: Input 0 is incompatible with layer bottleneck_output: expected ndim=2, found ndim=1

.... но в соответствии с model.summary() выходной размер слоя внимания равен (None, 20), что то же самое и для первого слоя lstm_1. Код работает без слоя внимания.

Я был бы признателен также за некоторое объяснение, почему решение является решением проблемы, я довольно новичок в python и у меня проблемы с пониманием того, что делает класс attention(). Я просто скопировал его и попытался использовать, но он не работает....