https://blog.csdn.net/baimafujinji/article/details/42110831

http://keras-cn.readthedocs.io/en/latest/

1

儲存以及訓練好的模型

1. from keras.models import load_model  
2. model.save('fei_model.h5')  

2

載入已經儲存好的模型同樣非常簡單。你可以另外開一個新檔案，匯入必要的包和資料（當然無需重新定義和訓練模型），然後使用下面這樣的語句：

1. from keras.models import load_model  
2. my_model = load_model('/home/airobot/Desktop/fei_model.h5'
   )  

1. pred = my_model.predict(X_test_0[:])  
2. print('Label of testing sample', np.argmax(y_test_0))  
3. print('Output of the softmax layer', pred[0])  
4. print('Network prediction:', np.argmax([pred[0]]))  

from keras.models import Sequential

model = Sequential()

將一些網路層通過.add()堆疊起來，就構成了一個模型：

from keras.layers import Dense, Activation

model.add(Dense(units=64, input_dim=100))
model.add(Activation("relu"))
model.add(Dense(units=10))
model.add(Activation("softmax"))

完成模型的搭建後，我們需要使用.compile()方法來編譯模型：

model.compile(loss='categorical_crossentropy'
 
, optimizer='sgd', metrics=['accuracy'])