H5转化tflite
注意事项：
1.H5文件必须为整个模型（包含权重，模型结构，配置信息），若是权值h5文件，会加载不出模型
模型训练时，ModelCheckpoint设置参数save_weights_only=False；
- save_weights_only : 如果为 True，则仅保存模型的权重 ( model.save_weights(filepath))，否则保存完整模型 ( model.save(filepath))
参考链接：https://blog.csdn.net/leviopku/article/details/86612293
https://blog.csdn.net/weixin_41770169/article/details/85697281
http://www.cppcns.com/jiaoben/python/314093.html
https://blog.csdn.net/u011529752/article/details/113921568?spm=1001.2014.3001.5501
转换步骤：
报错1：ValueError: Unknown activation function:relu6
原因：新版本的keras把relu6改掉了，找不到该方法
解决方法：
自己定义一个relu6；
报错2：TypeError: Unexpected keyword argument passed to optimizer: learning_rate
原因：由于在新版本的keras中(指大于等于2.3.0版本)，将原来的 lr 这一参数重命名为 leraning_rate，因此将 leraning_rate 重新改为 lr 即可解决报错问题
解决方法：
在模型训练时需根据keras版本定义学习率：
解决方法2:
若上述方法不能解决，则升级tensorflow版本至2.0；
并修改使用tf1.0版本的API：
converter = tf.compat.v1.lite.TFLiteConverter.from_keras_model_file(model_file=filepath)；
H5模型可视化：
报错1：ValueError: Unknown activation function:relu6
原因：新版本的keras把relu6改掉了，找不到方法
解决方法：
重新定义relu6，修改如下：
报错2：TypeError: Unexpected keyword argument passed to optimizer: learning_rate
类型错误：意外的关键字参数传递给优化器：learning_rate
原因：
Keras版本不匹配，学习率命名 keras2.2.4使用lr，keras2.3.1使用learning_rate
解决方法：
升级keras：pip install --upgrade keras==2.3.1
报错3：OSError: `pydot` failed to call GraphViz.Please install GraphViz (https://www.graphviz.org/) and ensure that its executables are in the $PATH.
原因：
解决方法：（仍待解决）
pip install pydot
pip install pydotplus
brew install graphviz
Ps:
关于Adam：
Keras保存模型：
参考链接：https://blog.csdn.net/leviopku/article/details/86612293
1.保存整个模型：model.save(filepath)将Keras模型和权重保存在一个HDF5文件中，该文件将包含：
- 模型的结构
- 模型的权重
- 训练配置（损失函数，优化器，准确率等）
- 优化器的状态，以便于从上次训练中断的地方
再一次使用时可以model.load_model(filepath)载入模型；
2.保存模型结构：model.to_jason()将模型序列化保存为json文件，里面记录了网络的整体结构, 各个层的参数设置等信息. 将json字符串保存到文件.
3.保存模型权重：经过调参网络的输出精度比较满意后,可以将训练好的网络权重参数保存下来，可通过下面的代码利用HDF5进行保存：
model.save_weights(‘model_weights.h5’)
使用时加载模型:
model.load_weights(‘model_weights.h5’)
如果需要加载权重到不同的网络结构（有些层一样）中，例如fine-tune或transfer-learning，可以通过层名字来加载模型：
model.load_weights('my_model_weights.h5', by_name=True)
因此建模时最好给每个层定义名字。