keras中首先是训练神经网络模型，在训练好一个不错神经网络模型之后如何对数据进行预测呢？
这里就需要先保存训练好的神经网络模型的结构与参数。

注意这里利用h5py保存模型，这样所占的空间非常小。然后在利用h5py保存keras训练好的模型之前需要先安装h5py。

安装h5py的命令如下：
pip install cython
pip install libhdf5-dev
pip install h5py
安装完成后可以用如下命令测试：
Python 
import h5py

接下来的代码展示了如何保存model的结构与训练好的参数，以及如何重构模型用于之后的数据预测。

#保存神经网络的结构与训练好的参数
json_string = model.to_json()#等价于 json_string = model.get_config()  
open('my_model_architecture.json','w').write(json_string)    
model.save_weights('my_model_weights.h5')  


#加载模型结构和参数
model = model_from_json(open('my_model_architecture.json').read())    
model.load_weights('my_model_weights.h5')  

在py文件的同一文件目录之下会运行生成这样两个文件：

然后新建一个py文件，通过这两个文件可以重构训练好的神经网络模型。

import h5py from keras.models import model_from_json  
#读取model  
model=model_from_json(open('my_model_architecture.json').read())  
model.load_weights('my_model_weights.h5')  

接下来的文章我会介绍如何重建模型来进行数据预测。

参考文献
1、http://blog.csdn.net/linmingan/article/details/50736615 2017.4.5
2、http://blog.csdn.NET/linmingan/article/details/50736300 2017.4.5
3、http://blog.csdn.net/zjm750617105/article/details/51321879 2017.4.5