Python '；这'；函数与从CNTK中的检查点还原的函数不等价（同构）

我在调用

trainer时遇到以下异常。从CNTK中的\u检查点还原\u

“This”函数与从检查点还原的函数不同（同构）

我的恢复代码如下所示。这些与通过
trainer.save\u检查点（“trainer.dnn”）
创建培训师和保存
trainer.dnn
的结构相同

检查点有两种方式

模型检查点：仅检查模型，然后在恢复模型时，创建新的培训师

培训师检查点：检查将保存模型和标准功能的培训师。从检查点恢复培训师

此错误可能是因为您有一个Criteria函数被传递给培训师，然后从以前具有不同函数的检查点恢复

一些相关代码
使用全局标准函数和模型，但得到相同的错误。另外，在我问题中提到的代码中，我创建了与存储的函数相同的标准函数。你能推荐一些运行良好的示例代码吗？存储培训师，经过一些计算后，在任意点还原该培训师？这里有一些代码，用户可以从\u检查点还原\u。这个例子很糟糕，因为它不适用！保存一行检查点后，恢复了不适用的检查点！！！我以前一直这样做，它的工作，但不适用！在大多数情况下，我希望在需要时恢复检查点，而不是在保存检查点之后！！！谢谢你，天哪。我们正在github问题（）中对此进行跟踪。谢谢你和我们一起工作。
def evaluate(reader, model):
    criterion = create_criterion_function(model)
    criterion.replace_placeholders({criterion.placeholders[0]: Input(input_dim),
                                    criterion.placeholders[1]: Input(label_dim)})

    # training config
    epoch_size = 34  
    minibatch_size = 17

    # LR schedule over epochs 
    lr_per_sample = [0.003]*4+[0.0015]*24+[0.0003]
    lr_per_minibatch = [x * minibatch_size for x in lr_per_sample]
    lr_schedule = learning_rate_schedule(lr_per_minibatch, UnitType.minibatch, epoch_size)

    # Momentum
    momentum_as_time_constant = momentum_as_time_constant_schedule(70)

    learner = adam_sgd(criterion.parameters,
                       lr=lr_schedule, momentum=momentum_as_time_constant,
                       low_memory=True,
                       gradient_clipping_threshold_per_sample=15, gradient_clipping_with_truncation=True)

    trainer = Trainer(model, criterion.outputs[0], criterion.outputs[1], learner)
    trainer.restore_from_checkpoint("trainer.dnn")

def do_test():
    reader = create_reader('Test.txt', is_training=False)
    model = create_model()
    evaluate(reader, model)

do_test()