我在Keras中构建了一个用于CNN的模型。我想保存这个模型，并将其作为预训练模型重用于迁移学习。我不明白如何正确保存模型以便重用于迁移学习。还有，我该如何在Keras中加载我的预训练模型，以便在加载之前的模型后添加一些层。

这是我构建的模型

model_cnn = Sequential()      # 初始化CNN模型的Sequential结构
# 添加嵌入层，最大输入450个词，输出这些词的32维表示，这些词属于top_words字典
model_cnn.add(Embedding(vocab_size, embedding_size, input_length=max_len))
model_cnn.add(Conv1D(32, 3, padding='same', activation='relu'))
model_cnn.add(Conv1D(64, 3, padding='same', activation='relu'))
model_cnn.add(MaxPooling1D())
model_cnn.add(Flatten())
model_cnn.add(Dense(250, activation='relu'))
model_cnn.add(Dense(2, activation='softmax'))
# optimizer = keras.optimizers.Adam(lr=0.001)
model_cnn.compile(
    loss='categorical_crossentropy', 
    optimizer=sgd, 
    metrics=['acc',Precision(),Recall()],
)
history_cnn  = model_cnn.fit(
    X_train, y_train, 
    validation_data=(X_val, y_val), 
    batch_size = 64, 
    epochs=epochs, 
    verbose=1)

回答：

推荐的保存模型方式是使用SavedModel格式：

dir = "target_directory"
model_cnn.save(dir) # 它将保存一个.pb文件以及assets和variables文件夹

然后你可以加载它：

model_cnn = tf.keras.models.load_model(dir)

现在，你可以添加一些层并构建另一个模型。例如：

input = tf.keras.Input(shape=(128,128,3))
x = model_cnn(input)
x = tf.keras.layers.Dense(1, activation='sigmoid')(x)
new_model = tf.keras.models.Model(inputs=input, outputs=x)