Keras有兩種類型的模型，序貫模型（Sequential）和函數式模型（Model），函數式模型應用更為廣泛，序貫模型是函數式模型的一種特殊情況。
兩類模型有一些方法是相同的：
-
model.summary()：打印出模型概況，它實際調用的是keras.utils.print_summary -
model.get_config():返回包含模型配置信息的Python字典。模型也可以從它的config信息中重構回去
config = model.get_config() model = Model.from_config(config) # or, for Sequential: model = Sequential.from_config(config) -
model.get_layer()：依據層名或下標獲得層對象 -
model.get_weights()：返回模型權重張量的列表，類型為numpy array -
model.set_weights()：從numpy array里將權重載入給模型，要求數組具有與model.get_weights()相同的形狀。 -
model.to_json：返回代表模型的JSON字符串，僅包含網絡結構，不包含權值。可以從JSON字符串中重構原模型：
from models import model_from_json json_string = model.to_json() model = model_from_json(json_string) model.to_yaml：與model.to_json類似，同樣可以從產生的YAML字符串中重構模型
from models import model_from_yaml yaml_string = model.to_yaml() model = model_from_yaml(yaml_string) -
model.save_weights(filepath)：將模型權重保存到指定路徑，文件類型是HDF5（后綴是.h5） -
model.load_weights(filepath, by_name=False)：從HDF5文件中加載權重到當前模型中, 默認情況下模型的結構將保持不變。如果想將權重載入不同的模型（有些層相同）中，則設置by_name=True，只有名字匹配的層才會載入權重
json_string = nima.nima_model.to_json()
with open ('model.json', 'w') as ft:
ft.write(json_string)
print('@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@')
print('write json done.')