1
2
model.save('mode.h5')

1
2
model = load_model('my_model.h5')

1
2
model.save_weights('my_mode.h5')

1
2
model_1.load_weights('my_model_weights.h5') #加载模型的权重，保存权重的网络要和加载权重的网络完全相同

1
2
3
4
5
6
7
8
9
10
11
save_file = './model/my_model.ckpt'
cp_callback = keras.callbacks.ModelCheckpoint(filepath=save_file,
save_weights_only=True,
#设置True，则调用model.save_weights()；
#设置False，则调用model.save()；
save_best_only=True)
history = model.fit(trainX, trainY, epochs=10, batch_size=batch_size,
validation_data=(testX, testY),
verbose=2, shuffle=False,
callbacks=[cp_callback])

1
2
3
4
5
6
7

with tf.Session() as sess:
#恢复计算图结构
saver = tf.train.import_meta_graph('，my_model.ckpt.meta')
#恢复所有变量信息
saver.restore(sess, "my_model.ckpt")

1
2
3
4
# 保存模型结构和参数到文件
import keras
keras.models.save_model(network,"model_save_path") # 默认生成 .pb 格式模型，也可以通过save_format 设置 .h5 格式

1
2
3
import keras
network=keras.models.load_model("model_save_path")