Применить Relu к входу без использования лямбда-слоя?

В настоящее время у меня возникают проблемы с загрузкой моей модели, так как она включает лямбда-слой.

Это слой моей нейронной сети, который использует лямбда-слой.

#
#   Python scritpt -  Keras RCNN model.
#
import keras
from keras.models import Model
from keras.layers import Input, Dense, Dropout, Flatten, Activation
from keras.layers import merge, Conv2D, MaxPooling2D, Input
from keras.layers.normalization import BatchNormalization
from keras.layers.core import Lambda
import numpy as np
from keras.layers import add
from keras import backend as K


#   RCL:
#   BatchNorm(Relu(conv(L-1) + conv(L)))
#

def make_RCNN(input,number_of_rcl,num_of_filter, filtersize,alpha,pool):
    feed_forward = Conv2D(filters=num_of_filter, kernel_size=1, name='init')(input)

    for x in xrange(number_of_rcl):
        output = RCL(feed_forward,num_of_filter,filtersize,alpha,pool)
        feed_forward = output

    return feed_forward

def RCL(feed_forward_input,num_of_filter, filtersize, alpha,pool):
    conv = Conv2D(filters=num_of_filter, kernel_size=filtersize, padding='same')
    recurrent_input = conv(feed_forward_input)
    merged = add([feed_forward_input,recurrent_input])
    conv_relu = Lambda(lambda x : K.relu(x,alpha=alpha))(merged)
    conv_relu_batchnorm = BatchNormalization()(conv_relu)
    if pool:
        conv_relu_batchnorm_pool = MaxPooling2D()(conv_relu_batchnorm)
        return conv_relu_batchnorm_pool
    else:

        return conv_relu_batchnorm

input = Input(shape=(30,30,3))
output = make_RCNN(input,number_of_rcl=3,num_of_filter=3,filtersize=3,alpha=0.2, pool=True)

model = Model(input = input, output = output)
model.compile(optimizer='rmsprop', loss='binary_crossentropy')
model.summary()

как удалить слой, не изменяя функциональность?...