Spark DeepLeaning4j加载Keras模型

深度学习模型在实际业务应用中，经常会结合Spark集群来处理企业内部数据。由于网络通信开销，一些模型在Spark上进行分布式训练，效率十分低下；这种情况可考虑线下使用GPU机器训练模型，再将训练后的模型部署到Spark集群上。

通过本文，你将会了解到Spark DeepLearning4j如何加载Keras模型。下面是具体的实现步骤：

1. 线下训练环境中，保存Keras模型。

model.save('full_model.h5')

2. 使用KerasModelImport函数，本地加载Keras模型到deeplearning4j中，并使用ModelSerializer函数保存deeplearning4j模型。（spark cluster不能从hdfs中直接加载Keras的h5模型文件)

val path = "full_model.h5"
val net = KerasModelImport.