如何在其他项目中加载以文件夹形式保存的Keras模型？

• 直接加载现有模型文件夹
  不管你保存的是文件夹还是单个.h5文件，都能用统一的代码加载，直接把保存的路径传给keras.models.load_model()就行：

  from tensorflow import keras
  
  # 这里填你保存的文件夹路径，哪怕你命名时加了.h5后缀，实际是文件夹就传这个路径
  loaded_model = keras.models.load_model('model_keras.h5')
  

  加载完成后就能正常用模型做预测、继续训练等操作。

• 为什么生成的是文件夹而非.h5文件
  新版本的TensorFlow/Keras里，model.save()默认用SavedModel格式（文件夹形式），这种格式支持更多模型特性，比如自定义层、TensorFlow专属操作，兼容性更强。就算你指定了.h5后缀，如果模型里有HDF5格式不支持的结构，也会自动切换成SavedModel格式保存。

• 强制保存为单个.h5文件（可选）
  要是你确实需要单个.h5文件，而且模型结构能兼容HDF5格式，保存时加个save_format='h5'参数就行：

  # 强制保存为HDF5格式的单个文件
  model.save('model_keras.h5', save_format='h5')
  

  注意：如果模型有自定义层、自定义损失函数这类HDF5不支持的内容，这么做会报错，这种情况建议还是用SavedModel格式。

内容的提问来源于stack exchange，提问作者keith