在Keras中，可以使用以下方法加载模型：
仅加载权重
```python
from keras.models import load_model
loaded_model.load_weights（"model.h5"）
```
加载整个模型结构
```python
from keras.models import load_model
model = load_model（'model.h5'）
```
注意事项：
如果模型在训练时使用了自定义的loss函数或metrics，在加载模型时需要指定这些自定义对象，否则会报错。例如：
```python
model = load_model（'model.h5', {'my_loss': my_loss}）
```
示例代码：
```python
from keras.models import Sequential
from keras.layers import Dense
创建一个简单的模型
model = Sequential（）
model.add（Dense（output_dim=1, input_dim=1））
model.compile（loss='mse', optimizer='sgd'）
训练模型（示例数据）
X_train = [, , , ]
Y_train = [2, 4, 6, 8]
for step in range（301）:
cost = model.train_on_batch（X_train, Y_train）
print（f"Step {step}, Cost: {cost}"）
保存模型
model.save（'my_model.h5'）
加载模型
loaded_model = load_model（'my_model.h5'）
使用加载的模型进行预测
print（loaded_model.predict（X_test[0:2]））
```
通过上述步骤，你可以轻松地保存和加载Keras模型。