我使用ResNet50在Keras中通过迁移学习训练了一个宪法网络，如下所示。

base_model = applications.ResNet50(weights='imagenet', include_top=False, input_shape=(333, 333, 3))## set model architechturex = base_model.outputx = GlobalAveragePooling2D()(x)x = Dense(1024, activation='relu')(x) x = Dense(256, activation='relu')(x) predictions = Dense(y_train.shape[1], activation='softmax')(x) model = Model(input=base_model.input, output=predictions)model.compile(loss='categorical_crossentropy', optimizer=optimizers.SGD(lr=1e-4, momentum=0.9),              metrics=['accuracy'])model.summary()

在按如下方式训练模型后，我希望保存该模型。

history = model.fit_generator(    train_datagen.flow(x_train, y_train, batch_size=batch_size),    steps_per_epoch=600,    epochs=epochs,    callbacks=callbacks_list)

由于模型类型为Model，我无法使用Keras的models中的save_model()函数。我使用save()函数来保存模型。但后来当我加载模型并验证时，模型表现得像是未经训练的模型。我认为权重没有被保存。问题出在哪里？如何正确保存这个模型？

回答：

根据Keras官方文档，如果你只需要保存模型的架构，可以使用

model_json = model.to_json()with open("model_arch.json", "w") as json_file:    json_file.write(model_json)

要保存权重

model.save_weights("my_model_weights.h5")

你可以稍后加载json文件并使用

from keras.models import model_from_jsonmodel = model_from_json(json_string)

同样，对于权重，你可以使用

model.load_weights('my_model_weights.h5')

我使用了相同的方法，这运作得非常好。