• 模型的结构以便重构该模型
• 训練配置（损失函数，优化器等）
• 优化器的状态以便于从上次训练中断的地方开始

使用keras.models.load_model(filepath)来重新实例化你的模型，如果文件中存储了训练配置的话该函数还会同时完成模型的编译

如果你只是希望保存模型的结构，而不包含其权重或配置信息可以使用：

这项操作将把模型序列化为json或yaml文件，这些文件对人而言也是友好的如果需要的话你甚至可以手动打开这些文件并进行编辑。
当然你也可以从保存好的json文件戓yaml文件中载入模型：

 

 如果需要保存模型的权重，可通过下面的代码利用HDF5进行保存注意，在使用前需要确保你已安装了HDF5和其Python库h5py
 


 

 如果你需要茬代码中初始化一个完全相同的模型请使用：
 


 

 如果你需要加载权重到不同的网络结构（有些层一样）中，例如fine-tune或transfer-learning你可以通过层名字来加载模型：