Python 如何使用tf.keras.layers.Embedding layer处理增加的训练？

我有一个模型，在训练过程中将项目id编码到嵌入向量中。我正在使用

tf.keras.layers.Embedding

来实现这一点。但是，在培训模型时，需要根据当前状态进行更新，这意味着需要满足两个要求：

以前项目的嵌入权重应根据其当前值进行更新

对于新项目，随机创建其嵌入权重，并在训练过程中更新它们

我的想法是将新项目的嵌入权重添加到先前训练的

tf.keras.layers.embedding

对象中，并使用这个新的嵌入层，它可以处理所有项目id，对所有项目进行编码，然后执行训练过程。但我不知道怎么做。谁能给我举个例子吗？谢谢

import tensorflow as tf

# Assume this is the previous trained embedding layer:
e1 = tf.keras.layers.Embedding(3, 2)

# So these are the previous trained weights for item 0, 1, 2
print(e1(0))
print(e1(1))
print(e1(2))

# Here comes new item 3 and 4 and their initial weights
w3 = tf.Variable([0.01142126, 0.43289672])
w4 = tf.Variable([-0.03306466, 0.08222979])

# How can I create a trainable embedding layer e2 that gives the following?
#  e2(0) -> e1(0)
#  e2(1) -> e1(1)
#  e2(2) -> e1(2)
#  e2(3) -> w3
#  e2(4) -> w4