1 # 模型保存JSON文件 2 model_json = model.to_json() 3 with open('model.json', 'w') as file: 4 file.write(model_json) 5 6 # 保存模型權重值 7 model.save_weights('model.json.h5') 8 9 # 從JSON文件中加載模型 10 with open('model.json', 'r') as file: 11 model_json1 = file.read() 12 13 # 加載模型 14 new_model = model_from_json(model_json1) 15 new_model.load_weights('model.json.h5') 16 17 # 編譯模型 18 # new_model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy']) 19 new_model.compile(optimizer=Adam(lr=1e-4), loss='binary_crossentropy', metrics=['accuracy'])
同時保存model和權重的方式：
model.save('model-weights.h5')
加載模型
model = load_model(path_dir)
json文件保存模型的結構，h5文件保存模型的參數，加載模型后加載參數，然后需要編譯模型；之后就可以進行評估和預測。