将固定输入的预训练Keras模型更改为Tensoflow中的灵活模型？

Question

我想使用预先训练的BagNet（https://github.com/wielandbrendel/bag-of-local-features-models）提取特征。网络具有固定的输入高度和宽度，输入为(None,3,224,224)。现在，我想构建一个具有灵活输入大小的新模型。我尝试用model.layers.pop（）[0]删除第一层并将其替换为灵活的输入，但出现错误：

  

ValueError：图表已断开连接：无法在“ input0”层获得张量Tensor（“ input0_6：0”，shape =（?, 3，224，224），dtype = float32）的值。可以顺利访问以下先前的图层：[]

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

我该如何解决此问题？还有什么其他选择？