如何使用 Python 和 Keras 从保存的模型中重新加载一个新的模型？

TensorFlow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用，可以实现算法、深度学习应用程序等等。它用于研究和生产用途。

可以使用以下代码行在 Windows 上安装 “tensorflow” 包：

pip install tensorflow

张量 (Tensor) 是 TensorFlow 中使用的一种数据结构。它有助于连接数据流图中的边。这个数据流图被称为 “数据流图”。张量只不过是多维数组或列表。它们可以使用三个主要属性来识别：

秩 (Rank)：它表示张量的维度。可以理解为张量的阶数或已定义张量的维度数。
类型 (Type)：它表示与张量元素关联的数据类型。它可以是一维、二维或 n 维张量。
形状 (Shape)：它指的是行数和列数的组合。

Keras 在希腊语中意为“角”。Keras 是作为 ONEIROS 项目（开放式神经电子智能机器人操作系统）研究的一部分开发的。它运行在 TensorFlow 框架之上。它的构建是为了帮助快速进行实验。它具有高度可扩展性，并具有跨平台能力。这意味着 Keras 可以运行在 TPU 或 GPU 集群上。Keras 模型也可以导出到 Web 浏览器或手机上运行。

Keras 已经存在于 TensorFlow 包中。可以使用以下代码行访问它。

import tensorflow
from tensorflow import keras

我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，无需任何配置，并且可以免费访问 GPU（图形处理单元）。Colaboratory 是基于 Jupyter Notebook 构建的。以下是代码：

示例

ls saved_model/my_model
new_model = tf.keras.models.load_model('saved_model/my_model')
print("The architecture of the model is observed")
new_model.summary()

代码来源：https://tensorflowcn.cn/tutorials/keras/save_and_load