AutoKeras的模型保存与加载

1、模型保存与加载关键流程说明

• 模型转换‌：通过export_model()方法将AutoKeras模型转为标准Keras模型

• ‌保存格式‌：支持.keras或.h5格式，推荐使用较新的.keras格式

• ‌加载要求‌：必须传入ak.CUSTOM_OBJECTS处理AutoKeras自定义层

• ‌完整流程‌：训练→导出→保存→加载→预测形成完整闭环

2、代码示例

import numpy as np
from keras.datasets import mnist
from keras.models import load_model
import autokeras as ak# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()# 加速呀~~~~
#x_train = x_train[:200]
#y_train = y_train[:200]
#x_test  = x_test[:20]
#y_test  = y_test[:20]# 初始化并训练图像分类器
clf = ak.ImageClassifier(overwrite=True, max_trials=1)
clf.fit(x_train, y_train, epochs=1)# 导出为Keras模型
model = clf.export_model()
print(f"模型类型: {type(model)}")# 保存模型
model.save("mnist_autokeras.keras")# 加载模型(需指定custom_objects)
loaded_model = load_model("mnist_autokeras.keras", custom_objects=ak.CUSTOM_OBJECTS)# 使用加载的模型进行预测
predicted_y = loaded_model.predict(np.expand_dims(x_test, -1))
print("预测结果示例:", predicted_y[0])

以上代码在AutoKeras 2.0.0版本下测试通过。