keras中怎么保存模型

在 Keras 中，可以使用 `save()` 函数将模型保存到硬盘上。通常可以按照以下步骤进行使用：

1. 定义模型并训练：

from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
model.add(Dense(64, activation='relu', input_dim=100))
model.add(Dense(1, activation='sigmoid'))
model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=10, batch_size=128)

2. 保存模型：

# 保存模型
model.save('model.h5')

在以上代码中，`model.save()` 函数将训练好的模型保存到硬盘上，扩展名通常为 `.h5`。

3. 加载模型：

from keras.models import load_model

# 加载模型
model = load_model('model.h5')

在以上代码中，`load_model()` 函数用于加载之前保存的模型，返回一个 Keras 模型对象，可以继续使用该模型进行预测或微调训练。

需要注意的是，Keras 保存的模型包含了模型的结构、权重和优化器状态等信息，因此可以直接恢复模型的状态。但是，因为 Keras 可以支持多种后端引擎（如 TensorFlow、Theano 等），因此在加载模型时需要确保使用的是相同的后端引擎。