保存和加载Keras子类模型可以使用以下步骤：

1. 定义子类模型:

import tensorflow as tf
from tensorflow import keras

class MyModel(keras.Model):
    def __init__(self):
        super(MyModel, self).__init__()
        self.dense = keras.layers.Dense(64, activation='relu')
        self.dropout = keras.layers.Dropout(0.5)
        self.output_layer = keras.layers.Dense(10, activation='softmax')

    def call(self, inputs):
        x = self.dense(inputs)
        x = self.dropout(x)
        return self.output_layer(x)
        
model = MyModel()

2. 训练模型:

model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5, batch_size=32)

3. 保存模型:

model.save('my_model.h5')

4. 加载模型:

loaded_model = keras.models.load_model('my_model.h5', custom_objects={'MyModel': MyModel})

可以看到在加载模型的时候，需要传入custom_objects参数，将自定义模型类传递给它。

5. 使用加载模型进行预测:

predictions = loaded_model.predict(x_test)

这样就可以成功保存和加载Keras子类模型了。