Machine learning 将Keras模型、权重和角色索引加载到其他python应用程序中

我已经在角色上训练了Keras LSTM分类模型，保存了它的模型架构和权重，现在想将它加载到一个单独的应用程序中，我可以独立于训练系统运行，在它上粘贴一个REST端点，然后能够通过REST进行预测

我还没有发现——也许是可怜的谷歌——关于其他人是怎么做的，我遇到的主要模糊之处是如何加载原始文本索引&相应的标签索引

i、 e.

1=“a”、2=“g”、3=“”、4=“b”

，以及标签1-hot编码之前的

[“绿色”、“蓝色”、“红色”、“橙色”

的“原始”标签的索引

这就是我的理解：

• 权重基于最初训练模型的数值输入
• 数值输入和生成的指数基于用于培训的特定数据集
• 表示分类的模型的输出基于原始数据集标签的添加顺序-即，如果

  绿色

  位于培训标签的位置0，并且位于实际“运行时”标签的位置1，那么这将不起作用。。。是吗

这意味着重用模型+权重，不仅需要实际的模型架构和权重，还需要输入和输出数据的索引

对吗？还是我遗漏了什么重要的东西

因为当时的情况是。。。如果是这种情况，除了手动保存和加载索引外，还有其他方法保存和加载索引吗？ 因为如果需要手动完成，那么我们就有点失去了keras的预处理功能的好处（比如

标记器
和
np-utils.to-u分类
），我们可以在培训系统中使用这些功能

有人有做这种活动的模式吗

我目前正在做以下工作：


在训练期间保存X索引和Y标签数组以及模型体系结构和权重
在预测应用程序中，使用架构和权重加载并重新创建模型
有一个自定义类来根据X索引标记输入字，将其填充到正确的长度，等等
作出预测
获取预测并将概率最高的项映射到原始的Y标签数组，从而确定预测的标签是什么