PAI平台怎么保存Keras模型

可以这样，在训练阶段：
from keras import backend as K
import tensorflow as tf

sess = tf.Session()
K.set_session(sess)

然后用keras定义网络、训练网络，最后保存的时候用tensorflow的方式保存

saver = tf.train.Saver()
saver.save(K.get_session(), model_path)

在预测阶段，需要读取模型的时候可以这样：
sess = tf.Session()
model_path = xxx
K.set_session(sess)

然后重新定义一下网络结构
model = Sequential()
model.add(xxx)

就可开始导入模型了

saver = tf.train.Saver()
saver.restore(K.get_session(), model_path)

这步做完，模型参数就被导入好定义好的网络上了，即可以开始预测

model.predict(xxx)

同问

print 出来，然后手动下载？。。