自作モデルの転移学習が実装できない

Question

前提・実現したいこと

　現在python で自作の転移学習を試みております。
以下のサイトを参考に、VGG16モデルによる転移学習を実装しました。
https://intellectual-curiosity.tokyo/2019/07/09/kerasで転移学習を行う方法/
こちらで作成した学習済みモデルを新たに読み込み直し、
転移学習を行おうと考えましたが、実装中に以下のエラーメッセージが発生しました。

発生している問題・エラーメッセージ

base_model = model(weights='imagenet', include_top=False, input_tensor=input_tensor,)
の箇所で以下のエラーが発生しました。

TypeError: __call__() missing 1 required positional argument: 'inputs'

該当のソースコード

from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D,Input
from keras.preprocessing.image import ImageDataGenerator
import matplotlib.pyplot as plt
from tensorflow.python.keras.models import load_model
model = load_model('transfer.h5')
model.summary()

N_CATEGORIES = 2
IMAGE_SIZE = 150
BATCH_SIZE = 32
NUM_EPOCHS = 10

train_data_dir = "./data/image/train"
validation_data_dir = "./data/image/validation"

NUM_TRAINING = 2000
NUM_VALIDATION = 800

input_tensor = Input(shape=(IMAGE_SIZE, IMAGE_SIZE, 3))
#ここでエラー
base_model = model(weights='imagenet', include_top=False, input_tensor=input_tensor,)
model.summary()

x = base_model.output
x = GlobalAveragePooling2D()(x)
x = Dense(1024, activation='relu')(x)
predictions = Dense(N_CATEGORIES, activation='softmax')(x)
model = Model(inputs=base_model.input, outputs=predictions)

# for layer in base_model.layers:
for layer in base_model.layers[:15]:
   layer.trainable = False
from keras.optimizers import SGD
model.compile(optimizer=SGD(lr=0.0001, momentum=0.9), loss='categorical_crossentropy',metrics=['accuracy'])

model.summary()

train_datagen = ImageDataGenerator(
    rescale=1. / 255,
    horizontal_flip=False)

test_datagen = ImageDataGenerator(rescale=1. / 255)
train_generator = train_datagen.flow_from_directory(
   train_data_dir,
   target_size=(IMAGE_SIZE, IMAGE_SIZE),
   batch_size=BATCH_SIZE,
   class_mode='categorical',
   shuffle=True
)

validation_generator = test_datagen.flow_from_directory(
   validation_data_dir,
   target_size=(IMAGE_SIZE, IMAGE_SIZE),
   batch_size=BATCH_SIZE,
   class_mode='categorical',
   shuffle=True
)

history = model.fit_generator(train_generator,
   steps_per_epoch=NUM_TRAINING//BATCH_SIZE,
   epochs=NUM_EPOCHS,
   verbose=1,
   validation_data=validation_generator,
   validation_steps=NUM_VALIDATION//BATCH_SIZE,
   )

model.save('transfer2.h5')  # モデルの保存

試したこと

エラーコードを検索しましたが、理由が分かりませんでした。

補足情報（FW/ツールのバージョンなど）

python3.7
keras2.2.4
tensorflow1.15.0

VGG16によって転移学習した学習済みモデルの内部は以下のようになっています。

Layer (type) Output Shape Param #

input_5 (InputLayer) [(None, 150, 150, 3)] 0

---

block1_conv1 (Conv2D) (None, 150, 150, 64) 1792

---

block1_conv2 (Conv2D) (None, 150, 150, 64) 36928

---

block1_pool (MaxPooling2D) (None, 75, 75, 64) 0

---

block2_conv1 (Conv2D) (None, 75, 75, 128) 73856

---

block2_conv2 (Conv2D) (None, 75, 75, 128) 147584

---

block2_pool (MaxPooling2D) (None, 37, 37, 128) 0

---

block3_conv1 (Conv2D) (None, 37, 37, 256) 295168

---

block3_conv2 (Conv2D) (None, 37, 37, 256) 590080

---

block3_conv3 (Conv2D) (None, 37, 37, 256) 590080

---

block3_pool (MaxPooling2D) (None, 18, 18, 256) 0

---

block4_conv1 (Conv2D) (None, 18, 18, 512) 1180160

---

block4_conv2 (Conv2D) (None, 18, 18, 512) 2359808

---

block4_conv3 (Conv2D) (None, 18, 18, 512) 2359808

---

block4_pool (MaxPooling2D) (None, 9, 9, 512) 0

---

block5_conv1 (Conv2D) (None, 9, 9, 512) 2359808

---

block5_conv2 (Conv2D) (None, 9, 9, 512) 2359808

---

block5_conv3 (Conv2D) (None, 9, 9, 512) 2359808

---

block5_pool (MaxPooling2D) (None, 4, 4, 512) 0

---

global_average_pooling2d_5 ( (None, 512) 0

---

dense_9 (Dense) (None, 1024) 525312

---

dense_10 (Dense) (None, 2) 2050

Total params: 15,242,050
Trainable params: 7,606,786
Non-trainable params: 7,635,264