Ошибка Keras (с бэкэндом Tensorflow 2) при визуализации выходных данных слоя

Я использую Keras с tenorflow 2.0 и классифицирую изображения с помощью Mobilenetv2_. Код для обучения и проверки работает нормально. Теперь я хочу визуализировать активацию определенных слоев. Вот часть моего кода:

from __future__ import print_function
from datetime import datetime
import numpy as np
import matplotlib.pyplot as plt
from sklearn.utils import class_weight
from tensorflow.keras import backend as k
k.backend.image_data_format=  'channels_last'  # for remote run
from tensorflow.keras import layers
from tensorflow.keras.preprocessing.image import ImageDataGenerator,load_img,img_to_array
from tensorflow.keras import optimizers,models
from keras.models import  model_from_json
from tensorflow.keras.applications import InceptionResNetV2,MobileNetV2
from tensorflow.keras.applications.inception_resnet_v2 import preprocess_input
from tensorflow.keras.callbacks import ModelCheckpoint
from tensorflow.keras.callbacks import ReduceLROnPlateau
#import cv2
from tensorflow.keras.callbacks import TensorBoard
from tensorflow.keras.utils import multi_gpu_model
from helper_func import save_batch_info,smooth_curve,save_model_hyperparam,save_plots,get_batch_stats
import tensorflow as tf
import os
# ********** SOME CODE HERE *************************
def Mobilenetv2_finetune_model():
    MobileNet_tuned = MobileNetV2(weights='C:\\ML\\mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.0_96_no_top.h5'
                                          , include_top=False,input_shape=(W_rz, H_rz, nc),alpha =1)
    #If alpha < 1.0, proportionally decreases the number of filters in each layer.
    # If alpha > 1.0, proportionally increases the number of filters in each layer.
    model = models.Sequential()        
    model.add(MobileNet_tuned)
    model.add(layers.Flatten())
    model.add(layers.Dropout(0.1))
    model.add(layers.Dense(nclass, activation='softmax'))
    return model,MobileNet_tuned

model,conv_bs = Mobilenetv2_finetune_model()
#******************  Visualizing intermediate activations  ***************
layer_outputs = [layer.output for layer in model.layers[0].layers[:17]]
activation_model = models.Model(inputs=model.input, outputs=layer_outputs)
img_pth =  'C://ML//test//52.png'
img_tst = img_to_array(load_img(img_pth, target_size=(96,96)))
activations = activation_model.predict(img_tst)

Когда я запускаю это, я получаю следующую ошибку:

Это идет из строки

activation_model = models.Model(inputs=model.input, outputs=layer_outputs)

Что я здесь делаю не так? Я следил за книгой Франсуа Шоле, и там она использовалась точно так же. Любая помощь приветствуется.
sedy