keras模型 python tensorflow怎么调用

使用TensorFlow调用Keras模型，需要以下步骤：

1. 加载模型

Keras模型通常是通过HDF5格式保存的，可以使用Tensorflow中的`keras.models.load_model`方法来加载模型。例如：

import tensorflow as tf
from tensorflow import keras

# 加载模型
model = keras.models.load_model('/path/to/model.h5')

`/path/to/model.h5`是模型所在的文件路径。

2. 运行模型

加载模型后，就可以使用模型进行推断了。例如：

import tensorflow as tf
from tensorflow import keras
import numpy as np

# 加载模型
model = keras.models.load_model('/path/to/model.h5')

# 输入数据
input_data = np.zeros((1, 224, 224, 3), dtype=np.float32)

# 运行模型
output_data = model.predict(input_data)

# 输出结果
print(output_data)

`input_data`是输入数据，`output_data`是输出结果。`model.predict`方法用于对输入数据进行推断，返回输出结果。

需要注意的是，Keras模型在加载时需要先创建一个TensorFlow的session，可以使用`tf.Session()`方法来创建。例如：

import tensorflow as tf
from tensorflow import keras
import numpy as np

# 创建session
sess = tf.Session()

# 加载模型
model = keras.models.load_model('/path/to/model.h5')

# 设置session
keras.backend.set_session(sess)

# 输入数据
input_data = np.zeros((1, 224, 224, 3), dtype=np.float32)

# 运行模型
output_data = model.predict(input_data)

# 输出结果
print(output_data)

# 关闭session
sess.close()

在使用完后需要关闭session，释放资源。