我试图从tf.keras.Model使用load_weights功能，但它似乎不能正常工作。
如果我调用model.load_weights(weights_path, by_name=True, skip_mismatch=True)，我会得到一个形状不匹配的错误，这正是我希望"skip_mismatch"参数处理的问题。
这个代码片段是一个相对简单的mnist数据集案例，重现了我的错误。我在google colab中运行它，发生的事情就像我自己的代码一样。

import tensorflow as tf
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import os

#import mnist dataset in x,y fashion
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()

#build a simple model with sequential dense layers
model = tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(28,28)),
    tf.keras.layers.Rescaling(1./255, input_shape=(28,28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10)
])

#compile the model
model.compile(optimizer='adam',
    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=['accuracy'])
#create checkpoint directory
os.makedirs("checkpoints", exist_ok=True)
cp_callback =  tf.keras.callbacks.ModelCheckpoint("checkpoints/cp-{epoch:04d}.ckpt",
                save_weights_only=True,
            )

#train the model
history = model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test), callbacks=[cp_callback])

model2 = tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(28,28)),
    tf.keras.layers.Rescaling(1./255, input_shape=(28,28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(5)
])
#compile model2
model2.compile(optimizer='adam',
    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=['accuracy'])

#load weights of model into model2
model2.load_weights("checkpoints/cp-0010.ckpt",by_name=True, skip_mismatch=True)

我得到
“在尝试恢复具有形状（5，）和名称dense_5/bias：0的变量时，接收到与形状（10，）不兼容的Tensor。”无论我使用skip_mismatch=True还是skip_mismatch=False。
我是不是用错了功能？什么是正确的使用方法？