if len(weight_dict) > 0: init_op, init_feed = tf.compat.v1.contrib.framework.assign_from_values(weight_dict) session.run(init_op, init_feed) print('Loaded %d variables from %s' % (len(weight_dict), file_name))改为tensorflow2.x兼容语句

在 TensorFlow 2.x 中，可以使用 `tf.keras.models.load_model()` 方法来加载模型权重。如果想要加载已经保存的权重文件，可以使用 `tf.keras.models.load_weights()` 方法。这个方法会返回一个已经编译好的模型，可以直接使用 `model.predict()` 方法进行预测。

如果你想要手动加载权重，可以使用 `tf.Variable.assign()` 方法来将权重值赋给变量。以下是上述代码的 TensorFlow 2.x 兼容语句：

import tensorflow as tf

if len(weight_dict) > 0:
    model = YourModel()  # 创建模型对象
    model.build((None, input_shape))  # 构建模型
    for layer_name, weights in weight_dict.items():
        layer = model.get_layer(layer_name)
        layer.set_weights(weights)  # 设置权重值
    print('Loaded %d variables from %s' % (len(weight_dict), file_name))

其中，`YourModel()` 表示你自己定义的模型类，`input_shape` 表示输入数据的形状。`model.build()` 方法会根据输入数据的形状自动构建模型，创建模型中的变量。`model.get_layer()` 方法可以根据层的名称获取层对象，`layer.set_weights()` 方法可以设置层的权重。