Tensorflow 在自定义模型中封装预构建模型

我试图创建一个mobilenetV2forCifar10模型类，方法是将一个预构建的MobilenetV2模型封装在自定义类中，并将该模型的输出张量命名为pooling和logits层：

class MobileNetV2ForCifar100(keras.Model):
    def __init__(self):
        super(MobileNetV2ForCifar100, self).__init__()
        # cifar100 is 32 by 32 by 3
        self.base_model = keras.applications.MobileNetV2(input_shape=(32, 32, 3), include_top=False)
        self.pooling_layer = keras.layers.GlobalAveragePooling2D()
        self.logits_layer = keras.layers.Dense(100)

    def call(self, inputs, training=None, mask=None):
        self.base_model.input(inputs)
        x = self.base_model.output
        x = self.pooling_layer(x)
        x = self.logits_layer(x)
        return x

但是得到

AttributeError：该层从未被调用，因此没有定义的输入形状

尝试创建模型并获取输入形状时。这里出了什么问题？ 同样，以这种方式将函数API与OOP混合似乎是错误的，有没有更好的方法来扩展现有模型