在tensorflow v2中，是否有一种简单的方法将预训练权重加载到模型中，但同时将权重转换为float64？
当前，我使用以下代码保存和加载权重：
checkpoint_path = "training/cp-{epoch:05d}.ckpt"
checkpoint_dir = os.path.dirname(checkpoint_path)
cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path, verbose=1, save_weights_only=True, period=100)
...
latest = tf.train.latest_checkpoint(checkpoint_dir)
test_model.load_weights(latest)
如果我使用一致的类型，效果很好，但是如果类型不匹配，它会抱怨。
我的动机是我在float32中对模型进行预训练以获得更好的性能，并通过float64对其进行优化以提高准确性。欢迎任何建议。