Keras 提供了灵活的 API 来保存和加载模型，确保训练成果可复用且便于部署。以下是核心方法与注意事项：
保存模型
方法一：保存为 H5 文件
model.save("my_model.h5")
📌 适用场景：轻量级模型、快速部署
方法二：保存为 JSON + 权重文件
model.to_json() # 保存结构
model.save_weights("my_weights.h5") # 保存参数
📌 适用场景：需要自定义层或与其他框架兼容
加载模型
方法一：加载 H5 文件
from keras.models import load_model
model = load_model("my_model.h5")
📌 注意事项：确保文件路径正确，版本兼容性需匹配
方法二：从 JSON/权重恢复
model = model_from_json(json_file) # 读取结构
model.load_weights("my_weights.h5") # 加载参数
📌 扩展阅读：Keras 模型序列化详解
常见问题
- ✅ 保存失败？ 检查文件权限和存储空间
- ⚠️ 加载时报错？ 确认模型文件完整性及依赖库版本
- 🔄 如何迁移模型？ 参考 Keras 模型导出与导入
📌 保存的模型文件通常包含
.h5或.keras后缀，建议使用压缩工具存储大型模型。