模型可以保存在一个文件中，其中包含权重值，模型的配置以及优化器的配置。

    另外在keras中，我们可以使用tensorflow.js来加载模型，这样可以模型在浏览器中运行

    keras保存模型采用HDF5格式

    1. # 保存模型
    2. model.save('first_model.h5')
    4. # 使用保存的模型
    5. new_model = tf.keras.models.load_model('first_model.h5')
    7. # 仅保存模型架构
    8. json_config = model.to_json()
    10. # 重建模型用上面的json数据
    11. rebuild_model = tf.keras.models.model_from_json(json_config)
    13. # 仅保存模型的权重
    14. weights = model.get_weights()
    16. # 设置权重
    17. model.set_weights(weights)

    在训练期间怎么去保存检查点能？

    在模型训练的过程中，采用回调函数的方式来保存我们在训练过程中产生的参数

    1. cp_callback  = tf.keras.callbacks.ModelCheckpoint('cp.ckpt')
    2. # 然后在训练阶段添加回调函数
    3. #