Tensorflow 在tensoflow中将固定输入的预训练Keras模型更改为灵活的Keras模型？

我想使用预先训练过的BagNet（）来提取特征。网络具有固定的输入高度和宽度，输入为

（无，3224224）

。现在，我想构建一个具有灵活输入大小的新模型。我尝试了使用model.layers.pop（）[0]删除第一层并用灵活的输入替换它的方法，但出现错误：

ValueError:图形已断开连接：无法获取层“input0”处的张量张量（“input0_6:0”，shape=（？，3，224，224），dtype=float32）的值。访问以下以前的层时没有问题：[]

我如何解决这个问题，或者还有什么其他选择

keras_model = bagnets.keras.bagnet8()
keras_model.layers.pop()[0]
x = Input(batch_shape=(None, 3, None, None))   
newModel = Model(x, keras_model.output)