能否将JSON格式的Keras模型转换为h5格式模型？

首先先排查你的JSON是否为Keras原生导出的模型结构文件：

• 打开JSON文件查看内容，如果顶层有class_name、config这类Keras标准字段，层名都是Keras内置层（比如Dense、Conv2D、LSTM），那转换流程非常简单，直接用Keras内置接口就能完成：

from keras.models import model_from_json

# 读取JSON格式的模型结构
with open("your_model.json", "r", encoding="utf-8") as f:
    model_arch = f.read()
model = model_from_json(model_arch)

# 加载配套权重：如果你的权重是单独存储的h5/ckpt文件，替换成对应路径即可
# 如果你的JSON文件里已经内嵌了权重数组，跳过这步，直接解析JSON里的权重数组后调用model.set_weights()赋值
model.load_weights("your_model_weights.h5")

# 导出为完整的Keras h5格式模型，文件同时包含网络结构、权重、训练配置
model.save("converted_keras_model.h5")

• 如果你的JSON是其他深度学习框架（PyTorch、Caffe、MXNet、旧版TensorFlow等）导出的模型配置文件，不存在通用的自动转换工具，需要手动完成对齐：
  1. 逐行解析JSON里的网络层配置，在Keras里搭建完全一致的网络结构，层顺序、输出维度、激活函数、正则配置必须完全匹配
  2. 从JSON中解析出每一层的权重参数，转换为numpy数组格式，按照层名对应关系给搭建好的Keras模型逐层赋值
  3. 跑一组测试输入对比原模型和Keras模型的输出，误差在合理范围内（一般1e-5以下）说明权重对齐成功，再调用model.save()存为h5格式即可。

注意：不要直接使用网上来源不明的通用转换脚本，不同框架导出的JSON结构没有统一规范，盲目跑脚本很容易出现层不匹配、权重维度错位的问题，权重对齐后一定要做推理结果校验，否则最后得到的模型可能推理结果完全错误。

内容的提问来源于stack exchange，提问作者Derrick Zziwa