目錄

一、儲存整個模型

二、儲存模型結構

三、儲存模型權重

一、儲存整個模型

model.save(filepath)將Keras模型和權重儲存在一個HDF5檔案中，該檔案將包含：

• 模型的結構
• 模型的權重
• 訓練配置（損失函式，優化器，準確率等）
• 優化器的狀態，以便於從上次訓練中斷的地方

       前提是已經安裝python的h5py包：

       from keras.models import load_model

       當再一次使用時可以model.load_model(filepath)載入模型。

二、儲存模型結構

 model.to_jason()將模型序列化儲存為json檔案，裡面記錄了網路的整體結構, 各個層的引數設定等資訊. 將json字串儲存到檔案.

open（‘filename.json','w'）.write(json_string)

from keras.models import model_form_json

json_string=open('filename.json').read()

model=model_from_json(json_string)

除了json格式,還可以儲存為yaml格式的字串，形式與JSON一樣

三、儲存模型權重

model.save_weights()

經過調參後網路的輸出精度比較滿意後,可以將訓練好的網路權重引數儲存下來，可通過下面的程式碼利用HDF5進行儲存：
model.save_weights(‘model_weights.h5’)

使用時載入模型: 
model.load_weights(‘model_weights.h5’)

如果需要載入權重到不同的網路結構（有些層一樣）中，例如fine-tune或transfer-learning，可以通過層名字來載入模型： 
model.load_weights('my_model_weights.h5', by_name=True)

因此建模時最好給每個層定義名字。