Tensorflow：如何从检查点仅恢复特定的隐藏层，并使用它们构建不同的计算图进行推理？

比如说，我训练了一个模型，其中有一个非常复杂的计算图，是为训练量身定做的。经过大量培训后，最佳模型被保存到检查点文件中。现在，我想使用这个最佳模型的学习参数进行推理。然而，用于训练的计算图与我打算用于推理的计算图并不完全相同。具体地说，图中有一个模块，它有几个层，负责输出项目的嵌入向量（推荐系统上下文）。然而，为了计算性能，在推理期间，我希望预先计算所有项目嵌入向量，以便每个请求所需的唯一计算只涉及两个隐藏层

因此，我想知道的是：

如何仅恢复输出项目嵌入向量的网络部分，以便为所有项目预计算这些向量（这将在一些离线预处理脚本中发生）

一旦预先计算了所有项目嵌入向量，在在线推理期间，如何仅恢复网络后期的隐藏层，并使其接收预先计算的项目嵌入向量

如何实现上述几点？我认为这是第一点。更容易完成。但我最担心的是第二点。在用于训练的计算图中，为了评估任何层，我必须为输入占位符提供值。然而，在在线推断过程中，这些占位符将是过时的，因为许多内容将被预计算，我不知道如何告诉网络后期的隐藏层，他们不应该再依赖这些过时的占位符，而是依赖预计算的内容