Как добавить несколько слоев перед моделью в трансферном обучении с помощью tensorflow

Я пытаюсь использовать трансферное обучение в тензорном потоке. Я знаю парадигму высокого уровня

base_model=MobileNet(weights='imagenet',include_top=False) #imports the 

mobilenet model and discards the last 1000 neuron layer.

x=base_model.output
x=GlobalAveragePooling2D()(x)
x=Dense(1024,activation='relu')(x) #we add dense layers so that the model can learn more complex functions and classify for better results.
x=Dense(1024,activation='relu')(x) #dense layer 2
x=Dense(512,activation='relu')(x) #dense layer 3
preds=Dense(120,activation='softmax')(x) #final layer with softmax activation

а затем компилируется с помощью

model=Model(inputs=base_model.input,outputs=preds)

Однако я хочу, чтобы перед base_model.input было несколько других слоев. Я хочу добавить враждебный шум к поступающим изображениям и кое-что еще. Итак, я хочу знать, как:

base_model=MobileNet(weights='imagenet',include_top=False) #imports the 

mobilenet model and discards the last 1000 neuron layer

x = somerandomelayers(x_in)
base_model.input = x_in
x=base_model.output
x=GlobalAveragePooling2D()(x)
x=Dense(1024,activation='relu')(x) #we add dense layers so that the model can learn more complex functions and classify for better results.
x=Dense(1024,activation='relu')(x) #dense layer 2
x=Dense(512,activation='relu')(x) #dense layer 3
preds=Dense(120,activation='softmax')(x) #final layer with softmax activation
model=Model(inputs=x_in,outputs=preds)

но строка base_model.input = x_in, по-видимому, не подходит, поскольку выдает ошибку can't set attribute. Как мне добиться желаемого поведения?