(十)人工智能应用--深度学习原理与实战--模型的保存与加载使用

目的:将训练好的模型保存为文件，下次使用时直接加载即可，不必重复建模训练。

神经网络模型训练好之后，可以保存为文件以持久存储，这样下次使用时就不重新建模训练，直接加载就可以。TensorfLow提供了灵活的模型保存方案，既可以同时保存网络结构和权重(即保存全模型)，也可以仅保存权重或网络结构。本章节通过案例来学习和掌握模型的多种保存方法。

学习内容:
a)全模型的保存与加载、使用
b)权重数据的保存及加载
c)网络结构的保存及加载

学习目标:
掌握全模型信息的保存与加载方法
掌握权重数据的保存及加载方法
掌握网络结构的保存及加载方法

方案一:保存全模型（网络结构+权重+编译配置)

1、搭建并训练好神经网络模型

from tensorflow.keras import datasets，layers，models

model = models.Sequential() # 定义模型对象

model.add(layers.Dense(512，activation = 'relu'， input_shape = (28*28，))) # 输入层

model.add(layers.Dense(10,activation = 'softmax')) #输出层

model.summary()

输出结果:

#加载、处理数据
(X_train,y_train)，(X_test&#