tensorflow如何调用checkpoint文件，测试模型识别手写数字效果？请列举代码

以下是使用 TensorFlow 调用 checkpoint 文件进行手写数字识别的示例代码：

import tensorflow as tf
import numpy as np

# 加载数据集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_test = x_test / 255.0

# 定义模型结构
model = tf.keras.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dense(10)
])

# 加载 checkpoint 文件
checkpoint_path = "checkpoint/cp.ckpt"
model.load_weights(checkpoint_path)

# 测试模型效果
predictions = model.predict(x_test)
predicted_labels = np.argmax(predictions, axis=1)
accuracy = np.mean(predicted_labels == y_test)
print("Accuracy:", accuracy)

其中 `checkpoint/cp.ckpt` 是保存模型权重的 checkpoint 文件路径，该文件应该包含所有层的权重和优化器状态。通过调用 `model.load_weights` 方法，可以将 checkpoint 文件中保存的权重加载到模型中。最后，使用 `model.predict` 方法进行预测，计算准确率并输出结果。