如何将Keras模型保存为多种格式以适配C++/Android/JavaScript

完全可行，针对你提到的三个平台，分别推荐对应的模型格式和操作方法：

JavaScript平台 #

• 首选TensorFlow.js格式：导出后会生成一个描述模型结构的.json文件，以及若干分片的权重二进制文件（如group1-shard1of3.bin）
• 导出步骤：安装tensorflowjs库后，执行以下代码：

  import tensorflowjs as tfjs
  tfjs.converters.save_keras_model(your_keras_model, "./tfjs_exported_model")
  

• 加载使用：在JS代码里通过tf.loadLayersModel('./tfjs_exported_model/model.json')即可加载模型并执行推理

Android平台 #

• 首选TensorFlow Lite格式（.tflite）：轻量高效，适合移动设备
• 导出步骤：

  import tensorflow as tf
  # 先把Keras模型保存为SavedModel格式
  your_keras_model.save("saved_model_dir")
  # 转换为TFLite格式
  converter = tf.lite.TFLiteConverter.from_saved_model("saved_model_dir")
  tflite_model = converter.convert()
  # 保存为.tflite文件
  with open("model.tflite", "wb") as f:
      f.write(tflite_model)
  

• 加载使用：在Android项目中引入TensorFlow Lite依赖，通过Interpreter类加载.tflite文件即可运行推理

C++平台 #

• 有两种常用选择：
  • TensorFlow SavedModel格式：适合需要完整TensorFlow功能的场景，导出直接用your_keras_model.save("saved_model_dir")，然后用TensorFlow C++ API加载该目录即可
  • TensorFlow Lite格式（.tflite）：适合轻量、低资源消耗的推理场景，导出方法和Android一致，用TensorFlow Lite C++ API加载.tflite文件

内容的提问来源于stack exchange，提问作者Naman