在Keras中，您可以使用model.save()方法来保存模型和权重。下面是一个包含代码示例的解决方法：

from tensorflow import keras

# 创建和训练模型
model = keras.Sequential([
    keras.layers.Dense(64, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)

# 保存模型和权重
model.save('my_model.h5')

# 加载模型和权重
new_model = keras.models.load_model('my_model.h5')

在上述示例中，首先创建了一个简单的Sequential模型，并使用model.fit()方法进行训练。然后，使用model.save()方法将模型和权重保存到名为my_model.h5的文件中。

要加载模型和权重，可以使用keras.models.load_model()方法。在上述示例中，模型和权重被加载到new_model变量中。

请注意，.h5文件格式是Keras中默认的保存模型和权重的格式，但您也可以选择其他格式，如.json和.yaml。