该错误说明了应执行的操作：
尚未生成此模型。请首先通过调用build()生成模型

model.build(input_shape) # `input_shape` is the shape of the input data
                         # e.g. input_shape = (None, 32, 32, 3)
model.summary()

keras子类模型与其它keras模型（序贯模型和函数模型）有很大的区别。
顺序模型和功能模型是表示层的DAG的数据结构。简单地说，功能模型或顺序模型是层的静态图，通过像LEGO一样将一个层堆叠在另一个层的顶部而构建。因此，当您向第一层提供input_shape时，这些（功能模型和顺序模型）模型可以推断所有其他层的形状并构建模型。然后，您可以使用model.summary（）打印输入/输出形状。
另一方面，子类模型是通过本体来定义的（一个调用方法）。对于子类模型，这里没有图层的图形。我们无法知道图层之间是如何连接的（因为它是在调用的主体中定义的，而不是作为一个显式的数据结构），所以我们不能推断输入/输出形状。输入/输出形状是未知的，直到它第一次用适当的数据进行测试。在编译（）方法，我们将执行一个延迟编译并等待一个合适的数据。为了让它推断中间层的形状，我们需要运行一个合适的数据，然后使用model.summary（）。如果不运行一个数据模型，它会抛出一个错误，正如你所注意到的。请检查GitHub gist以获得完整的代码。
以下是来自Tensorflow网站的示例。

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

class ThreeLayerMLP(keras.Model):

  def __init__(self, name=None):
    super(ThreeLayerMLP, self).__init__(name=name)
    self.dense_1 = layers.Dense(64, activation='relu', name='dense_1')
    self.dense_2 = layers.Dense(64, activation='relu', name='dense_2')
    self.pred_layer = layers.Dense(10, name='predictions')

  def call(self, inputs):
    x = self.dense_1(inputs)
    x = self.dense_2(x)
    return self.pred_layer(x)

def get_model():
  return ThreeLayerMLP(name='3_layer_mlp')

model = get_model()

(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_train = x_train.reshape(60000, 784).astype('float32') / 255
x_test = x_test.reshape(10000, 784).astype('float32') / 255

model.compile(loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              optimizer=keras.optimizers.RMSprop())

model.summary() # This will throw an error as follows
# ValueError: This model has not yet been built. Build the model first by calling `build()` or calling `fit()` with some data, or specify an `input_shape` argument in the first layer(s) for automatic build.

# Need to run with real data to infer shape of different layers
history = model.fit(x_train, y_train,
                    batch_size=64,
                    epochs=1)

model.summary()

谢谢你！

另一种方法是添加属性input_shape()，如下所示：

model = Sequential()
model.add(Bidirectional(LSTM(n_hidden,return_sequences=False, dropout=0.25, 
recurrent_dropout=0.1),input_shape=(n_steps,dim_input)))

# X is a train dataset with features excluding a target variable

input_shape = X.shape  
model.build(input_shape) 
model.summary()

确保你正确地创建了你的模型。一个小的打字错误，比如下面的代码，也可能导致问题：

model = Model(some-input, some-output, "model-name")

而正确的代码应该是：

model = Model(some-input, some-output, name="model-name")

如果您的Tensorflow，Keras版本为2.5.0，则只需在导入Keras包时添加Tensorflow
不是这个：

from tensorflow import keras
from keras.models import Sequential
import tensorflow as tf

就像这样：

from tensorflow import keras
from tensorflow.keras.models import Sequential
import tensorflow as tf

Tensorflow Keras的版本问题可能是导致此问题的原因。

我在为回归的LSTM模型定型时遇到了同样的问题。
错误：
ValueError：尚未生成此模型。请首先通过调用build()或通过对一批数据调用模型来生成模型。
更早：

from tensorflow.keras.models import Sequential

from tensorflow.python.keras.models import Sequential

更正：

from keras.models import Sequential

我也面临着同样的错误，所以我删除了model.summary()。然后问题就解决了。因为它出现了，如果模型的摘要是在模型建立之前定义的。
这里是LINK的说明，它声明

Raises:
    ValueError: if `summary()` is called before the model is built.**