keras中首先是訓練神經網路模型，在訓練好一個不錯神經網路模型之後如何對資料進行預測呢？
這裡就需要先儲存訓練好的神經網路模型的結構與引數。

注意這裡利用h5py儲存模型，這樣所佔的空間非常小。然後在利用h5py儲存keras訓練好的模型之前需要先安裝h5py。

安裝h5py的命令如下：
pip install cython
pip install libhdf5-dev
pip install h5py
安裝完成後可以用如下命令測試：
Python 
import h5py

接下來的程式碼展示瞭如何儲存model的結構與訓練好的引數，以及如何重構模型用於之後的資料預測。

#儲存神經網路的結構與訓練好的引數
 

json_string = model.to_json()#等價於 json_string = model.get_config()  
open('my_model_architecture.json','w').write(json_string)    
model.save_weights('my_model_weights.h5')  


#載入模型結構和引數
model = model_from_json(open('my_model_architecture.json').read())    
model.load_weights('my_model_weights.h5'
 
)  

在py檔案的同一檔案目錄之下會執行生成這樣兩個檔案：

然後新建一個py檔案，通過這兩個檔案可以重構訓練好的神經網路模型。

import h5py from keras.models import model_from_json  
#讀取model  
model=model_from_json(open('my_model_architecture.json').read())  
model.load_weights('my_model_weights.h5')  

接下來的文章我會介紹如何重建模型來進行資料預測。