Python &引用；“迷你凯拉斯”；有没有一种方法可以在没有整个keras包的情况下，从经过训练的keras模型中获得预测？

我的部署设备存在严重的空间限制，这意味着我无法安装整个“Keras”包

有没有一种方法可以在不使用整个keras包的情况下从经过训练的keras模型中获得预测

---

我注意到Keras docker的容量约为1GB。我需要<650MB

我能够在预测（theano）时使用不同的后端，而不是tensorflow，从而使docker容器足够小

我研究的其他解决方案是一些C++库，比如（节俭的深，KalasiTeC，Kelas2CPP），但是我的数据的预处理变得更加困难（不管怎样）。所以我使用了theano后端，如上所述

---

当然，您可以在python中手动对每个过滤器等进行卷积。。但这将更加困难

你可能会发现一些答案很有帮助。是的，谢谢你，我一直在使用那篇文章中的一个库，在cpp中实现它。只是在做预测之前对输入进行预处理（创建光谱图）会让我的大脑崩溃！所以我想知道我是否可以在Python中做这件事，这听起来像是问题是在C++中创建谱图？如果没有完整的KARS包，没有一种方法来预测，那么你是对的，那是我的问题，也许是一个值得研究的解决方案？据我所知，它允许您在移动设备上运行预训练的TensorFlow模型，大约有300KB的库（？）。如果您可以将模型转换为纯TensorFlow，那么这应该值得一试。