java调用keras离线训练的图片识别模型进行在线预测

目前深度学习主要使用Python训练自己的模型，其中Keras提供了heigh-level语法，后端可采用Tensorflow或者Theano。

但是在实际应用时，大多数公司仍是使用java作为应用系统后台。于是便有了Python离线训练模型，Java调用模型实现在线预测。

Java调用Keras模型有两种方案，一种是基于Java的深度学习库DL4J导入Keras模型，另外一种是利用Tensorflow的java接口调用。DL4J目前暂不支持嵌套模型的导入，下面仅介绍第二种方案。

想要利用Tensorflow的java接口调用Keras模型，就需要将Keras保存的模型文件（.h5）转换为Tensorflow的模型文件（.pb）。

GitHub 已经有大神写了一个转换工具可以很方便的将Keras模型转Tensorflow模型，你只需要输入原模型文件的位置 和 目标模型文件的位置即可。

Keras的模型可以通过model.save() 方法保存为一个单独的模型文件（model.h5），此模型文件包含网络结构和权重参数。

此种模型可通过以下代码将Keras模型转换为Tensorflow模型：

python keras_to_tensorflow.py 
    --input_model="path/to/keras/model.h5" 
    --output_model="path/to/save/model.pb"

Keras的模型也可以通过 model.to_json() 和 model.save_weight()  来分开保存模型的结构（model.json）和 权重参数（weights.