我有一个tensorflow 联邦模型，如下所示：

state = iterative_process.initialize()

其中state是封装模型的服务器的状态。
打印它，我们有：

ServerState(model=ModelWeights(trainable=[array([[ 0.01307054,  0.05205479,  0.16566667, ...,
       [0.],
       [0.],
       [0.],
       [0.]], dtype=float32), array([0.], dtype=float32)]), ..., ('zeroed_count_agg', ())]), model_broadcast_state=())

即服务器状态。
我可以使用以下命令访问模型的参数：

state.model.trainable

这是一个列表。
我想做的是保存这个，并在未来重新加载它。
理想情况下，我希望使用此模型更新流程的未来状态（每个联邦迭代返回一个新状态）。
有什么想法吗？
我还发现了this SO线程，但那里的一切似乎都被弃用了。