如何把神經網路keras模型轉PMML文件？
最近做了一段時間的神經網路模型，效果還算可以，正著手上線。部門內大夥都沒什麼經驗，技術部門對這塊也是大姑娘上花轎——頭一回。
之前為了方便快速建模，並沒有選擇Tensorflow，而選用了比較容易上手的Keras框架。從而大大地方便了模型的搭建和測試。不過上線的時候，由於技術部門使用Java棧的原因，要求提供一份PMML用於線上部署。
可能有的朋友還沒聽過Keras，也不知道啥是PMML，這裡就簡單介(search)紹(copy)一下相關的內容，好不容易進來看看，免得各位離開本頁啦 ("")
Keras是啥？
Keras是一個高層神經網路API，Keras由純Python編寫而成並基Tensorflow、Theano以及CNTK後端。Keras 為支持快速實驗而生，能夠把你的idea迅速轉換為結果，如果你有如下需求，請選擇Keras：
Keras適用的Python版本是：Python 2.7-3.6
Keras的設計原則是
30秒一睹為快
我前面也都說了，Keras是非常容易使用的，也不用扯別的了，tell you 不如 show you。
Keras的核心數據結構是「模型」，模型是一種組織網路層的方式。Keras中主要的模型是Sequential模型，Sequential是一系列網路層按順序堆起來的。
Sequential模型如下
將一些網路層通過.add()堆疊起來，就構成了一個模型：
完成模型的搭建後，我們需要使用.compile()方法來編譯模型：
編譯模型時必須指明損失函數和優化器，如果你需要的話，也可以自己定製損失函數、自己的模型、網路層，甚至修改源代碼。你開心就好。
完成模型編譯後，我們在訓練數據上按batch進行一定次數的迭代來訓練網路.
當然，我們也可以手動將一個個batch的數據送入網路中訓練，這時候需要使用：
隨後，我們可以使用一行代碼對我們的模型進行評估，看看模型的指標是否滿足我們的要求：
或者，我們可以使用我們的模型，對新的數據進行預測：
何為 PMML？
當我們訓練好了一個模型後，我們下一步要幹啥呢？上線唄，還用問。交給誰上線呢？我也不知道，反正我們這邊是交給大數據技術部。他們需要考慮的是各種性能、輔助功能、業務流程等以確保我們的模型真正可以輸出有價值的內容。
既然不是自己用，那就要交接了，交什麼呢？如果你用自己喜歡的語言跑出了模型，你打算交給技術一堆腳本，然後給一堆說明文檔，讓技術自己去琢磨。結果是，他才不願意看你的腳本，也許人家就根本看不懂。
那怎麼辦？你可以交給他一個PMML文件。PMML 主要用在不同的應用程序之間輕鬆共享預測分析模型。這樣，你就可以用你最愛的語言建模型，完事後轉化為 PMML，用其他語言的人只要解析PMML文件就能復原模型了，然後他也可以愉快地用自己喜歡的語言搞點別的事情。
PMML 文件能夠表達各種常用步驟，包括：
Keras轉PMML
用Kears訓練好神經網路模型後，怎麼轉成PMML上線呢？我首先想到的是看下官網有沒有方法，結果是沒有。然後在網上找找開源代碼，結果是有，Keras2pmml。很好，拿來用。結果是行不通，人家很久沒更新了，激活函數最多支持到Relu。回頭看看我的模型，赫然寫著Softmax不被支持。
只好自己動手了，把源碼拉下來看一遍，以為只要往激活函數列表裡加個softmax就ok了。
哪有那麼簡單。翻開PMML官網的神經網路模塊，研究了半天，原來PMML里softmax根本不是激活函數，keras裡面卻是。層數也不對，我的Dropout層也被當作隱藏層，導致結果打分總出錯。
不過這些小case能難倒我？我好歹也是久經沙場慣了的。把這些問題解決後，再把輸出文件美化美化，看起來是好樣的。驗證了幾次數據，萬事大吉。
來看看用法。模型訓練好後，先保存到模型文件 model.h5中。
以上代碼，先把訓練好的模型文件讀入，添加參數說明，再轉換成pmml。
源代碼如下：
今天就先介紹這麼多，代碼比較長，如有疑問可以互相交流，不足之處還請多多指正。多謝各位的支持，並預祝大家新年快樂~~
閱讀參考
https://www.ibm.com/developerworks/cn/opensource/ind-PMML1/
https://keras-cn.readthedocs.io/en/latest/
