在DL4J模型中转换keras模型

我必须用java保存并加载一个keras模型，然后我想我可以使用DL4J。问题是，当我保存我的模型时，它没有自己权重的嵌入层。 我在keras中重新加载模型时遇到了同样的问题，但在这种情况下，我可以创建相同的体系结构并只加载模型的权重

特别是，我从这样的体系结构开始：

---

在保存和加载之后，我得到了这个（在keras和DL4J中）：

在java中有解决方案或解决方法吗？ 1） 是否有可能保存并正确加载结构和重量（单位：keras）

2） 是否可以使用DL4J或其他库在java中创建这种类型的模型

3） 是否有可能将转换字嵌入到函数中，然后将先前在嵌入中转换的输入提供给神经网络

4） 我可以用DL4J在java的嵌入层中加载权重吗

这是我的网络的代码：

sentence_indices = Input(shape=input_shape, dtype=np.int32)
emb_dim = 300  # embedding di 300 parole in italiano
embedding_layer = pretrained_embedding_layer(word_to_vec_map, word_to_index, emb_dim)

embeddings = embedding_layer(sentence_indices)   

X = LSTM(256, return_sequences=True)(embeddings)
X = Dropout(0.15)(X)
X = LSTM(128)(X)
X = Dropout(0.15)(X)
X = Dense(num_activation, activation='softmax')(X)

model = Model(sentence_indices, X)

sequentialModel = Sequential(model.layers) 

---

提前感谢。

您可能会在DL4J Gitter聊天中得到答案：

我发现Keras神经网络和DL4J神经网络之间的差异是由于word2Vec（或手套）文件的不同解析造成的。 特别是加载word2Vec，然后解析以创建3个字典： -Word2索引 -index2Word -word2EmbeddingVec

from gensim.models import Word2Vec
modelW2V = Word2Vec.load('C:/Users/Alessio/Desktop/emoji_ita/embedding/glove_WIKI') # glove model

我发现两种不同的解析（使用相同的代码）为“index-word”和“word-index”产生不同的匹配。将字典保存在json文件中，然后从中加载数据对我来说是一个解决方案

希望这也能帮助别人

sentence_indices = Input(shape=input_shape, dtype=np.int32)
emb_dim = 300  # embedding di 300 parole in italiano
embedding_layer = pretrained_embedding_layer(word_to_vec_map, word_to_index, emb_dim)

embeddings = embedding_layer(sentence_indices)   

X = LSTM(256, return_sequences=True)(embeddings)
X = Dropout(0.15)(X)
X = LSTM(128)(X)
X = Dropout(0.15)(X)
X = Dense(num_activation, activation='softmax')(X)

model = Model(sentence_indices, X)

sequentialModel = Sequential(model.layers) 

from gensim.models import Word2Vec
modelW2V = Word2Vec.load('C:/Users/Alessio/Desktop/emoji_ita/embedding/glove_WIKI') # glove model