Tensorflow 2.0将训练有素的参数保存到新文件中

Question

我需要使用TF的内置函数之一（例如tf.train.Checkpoint或其他任何函数）保存TensorFlow 2.0模型的训练变量，并希望在新文件中调用它们。我没有使用tf.Keras.Sequantial，也不想使用诸如model.save_weights（）

之类的东西

我已经尝试过tf.train.Checkpoint来保存变量，但是不确定如何恢复它们。我曾经在TF 1.0中使用tf.train.Saver（）来保存会话中的变量，并使用tf.train.import_meta_graph和tf.train.latest_checkpoint还原它们。但是，到目前为止，我还无法在TF 2.0文档中找到等效的功能。

尝试使用tensorflow 2.0格式的检查点保护程序以保存经过训练的参数W，b_v，b_h

saver = tf.train.Checkpoint（）

saver.listed = [W，b_v，b_h]

saver.mapped = {'W'：saver.listed [0]，'b_v'：saver.listed [1]，  'b_h'：saver.listed [2]}

save_path = saver.save（'trained_pa​​rameters'）

在新文件中：

restorer = tf.train.Checkpoint（）

restorer.restore（'trained_pa​​rameters'）

通过先前映射的名称调用参数无效，不确定如何操作