tensorflow加载某一个网络的前几层的预训练参数到另一个具有相似网络结构与的新模型中，给我代码示例

以下是示例代码：

import tensorflow as tf

# 定义旧模型
old_model = tf.keras.Sequential([
tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
tf.keras.layers.MaxPooling2D((2, 2)),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(10, activation='softmax')
])

# 加载旧模型的前两层参数
old_model.load_weights('old_model_weights.h5', by_name=True, skip_mismatch=True)

# 定义新模型
new_model = tf.keras.Sequential([
tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),
tf.keras.layers.MaxPooling2D((2, 2)),
tf.keras.layers.Conv2D(64, (3, 3), activation='relu'),
tf.keras.layers.MaxPooling2D((2, 2)),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(10, activation='softmax')
])

# 将旧模型的前两层参数复制到新模型中
for i in range(2):
new_model.layers[i].set_weights(old_model.layers[i].get_weights())

# 保存新模型的参数
new_model.save_weights('new_model_weights.h5')