Python 替换tf keras中现有模型的一层

我加载一个预训练的模型。但是，我想给这个模型添加光谱归一化

如果模型是完全连续的，我可以这样做：

import tensorflow as tf

base_model = tf.keras.applications.VGG16(input_shape=(720, 1280, 3), weights=None, include_top=False)

# Add spectral normalization
base_model_new = tf.keras.models.Sequential()
for layer in base_model.layers:
    if isinstance(layer, tf.keras.layers.Conv2D):
        spec_norm_layer = SpectralNormalization(layer)
        base_model_new.add(spec_norm_layer)
    else:
        base_model_new.add(layer)

input = tf.keras.Input(shape=(720, 1280, 3), name='image')
x = base_model_new(input)

model = tf.keras.models.Model(inputs=[input], outputs=x, name='test')

但是，例如，当使用ResNet时，如果存在需要输入列表的添加或连接层，则此方法不起作用。如何为resnet解决这个问题