Python 如何在TensorFlow 2中保存/加载部分模型？

我在TensorFlow 2中制作了一个自动编码器。首先，我需要在数据集上训练模型。在训练autoencoder之后，我想为不同的数据集使用autoencoder的编码器部分，同时保留训练的权重。有没有办法做到这一点？我找不到。任何指导方针都会有所帮助。下面是我正在尝试使用的粗略自动编码器：

from tensorflow.keras.layers import Input, Dense
from tensorflow.keras import Model

def Autoencoder():
    # Encoder
    inp = Input(shape=(100,))
    x = Dense(1000)(inp)
    x = Dense(500)(x)
    code = Dense(10)(x)

    # Decoder    
    x = Dense(500)(code)
    x = Dense(1000)(x)
    out = Dense(100)(x)

    model = Model(inp,out)
    return model

autoencoder = Autoencoder()

---

如果只想使用编码器部分，可以编写CustomCheckpoint类并保存编码器，如下所示

class CustomCheckpoint(Callback):

def __init__(self, filepath, encoder):
    self.monitor = 'val_loss'
    self.monitor_op = np.less
    self.best = np.Inf

    self.filepath = filepath
    self.encoder = encoder

def on_epoch_end(self, epoch, logs=None):
    current = logs.get(self.monitor)
    if self.monitor_op(current, self.best):
        self.best = current
        # self.encoder.save_weights(self.filepath, overwrite=True)
        self.encoder.save(self.filepath, overwrite=True) # Whichever you prefer  

要从保存的权重加载编码器部件，可以执行以下代码

from keras.models import load_model
autoencoder = load_model("path_to_file")
encoder = Model(autoencoder.layers[0].input, autoencoder.layers[1].output)