1、save方法

Model.save(filepath, overwrite=True, **kwargs)

將模型另存為.keras文件?

參數說明

• filepath:?保存模型的路徑。必須以.keras結尾
• overwrite：布爾值，表示是否覆蓋已存在的文件。默認為 True，即覆蓋已存在的文件。
• save_format:在Keras 3中不贊成使用save_format參數。要使用的格式，作為字符串。此時僅支持“keras”格式

示例

model = keras.Sequential([keras.layers.Dense(5, input_shape=(3,)),keras.layers.Softmax(),],
)
model.save("./models/model.keras")

1.2、?save_model?方法

keras.saving.save_model(model, filepath, overwrite=True, **kwargs)

將模型另存為.keras文件

參數說明

• model：需要保存的模型對象。
• filepath：保存模型的文件路徑。
• overwrite：布爾值，表示是否覆蓋已存在的文件。默認為 True，即覆蓋已存在的文件。

?

?2、load_model方法

keras.saving.load_model(filepath, custom_objects=None, compile=True, safe_mode=True)

加載通過model.save（）保存的模型?

參數說明

• filepath: 已保存模型的文件路徑
• custom_objects: 字典類型，用于指定自定義層或損失函數等對象的類名和對應的 Python 類。默認為 None，表示使用 Keras 默認的類名和類映射關系
• compile: 布爾值，表示是否在加載模型后立即編譯模型。默認為 True，即自動編譯模型。如果設置為 False，則需要手動編譯模型
• safe_mode: 布爾值，表示是否以安全模式加載模型。默認為 True，即啟用安全模式。安全模式下，Keras 會檢查模型的結構和配置是否與原始模型一致，如果不一致則會拋出異常。如果設置為 False，則禁用安全模式，加載的模型可能與原始模型不一致

示例

#創建一個Sequential模型
model = keras.Sequential([keras.layers.Dense(5, input_shape=(3,)),keras.layers.Softmax()])#將創建好的模型保存到文件"model.keras"中
model.save("model.keras")#從文件中加載保存的模型
loaded_model = keras.saving.load_model("model.keras")#隨機生成一個的輸入數據矩陣x，形狀為(10, 3)
x = np.random.random((10, 3))#使用原始模型和加載的模型分別對輸入數據進行預測
#使用np.allclose函數比較兩個模型的預測結果是否相同
#如果相同，則斷言通過，否則會拋出異常
assert np.allclose(model.predict(x), loaded_model.predict(x))