我的模型已经训练存好了，由于模型比较大和多，需要在重复使用前把权重读到List中是否可行？ model = Get_Model(df,config.closename,loadmodelname,normalize,config) model.load_weights(loadmodelname)

是的，您可以将模型的权重读入到一个列表中，以便在需要时直接使用。以下是一个示例代码：

import numpy as np
import tensorflow as tf

# 创建模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(64, activation='relu', input_shape=(100,)),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 训练模型
model.compile(optimizer='adam', loss='categorical_crossentropy')
x_train = np.random.rand(100, 100)
y_train = np.random.rand(100, 10)
model.fit(x_train, y_train, epochs=5)

# 将模型权重读入到一个列表中
weights_list = model.get_weights()

# 在需要时使用模型权重
new_model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(64, activation='relu', input_shape=(100,)),
    tf.keras.layers.Dense(10, activation='softmax')
])
new_model.set_weights(weights_list)

请注意，加载权重时，您需要确保新模型与原始模型具有相同的结构和形状。如果有所不同，您需要先创建一个与原始模型相同的空模型，然后再将权重加载到该模型中。