我正在为一个项目开发RNN，我需要在计算机上对其进行培训，并能够在另一台计算机上进行预测。我发现的解决方案是使用以下代码将模型保存到.h5文件中：
... # Train the data etc....
model.save("model.h5")
我的问题是我需要从训练数据集中存储一些元数据并进行预处理，然后将其与模型一起加载。 （例如，数据集文件的名称，数据集文件的大小，字符数等）
我不想将此信息存储在第二个文件（例如.txt文件）中，因为我必须使用两个文件。我不想为此任务使用任何其他库或框架。
我在想（ brainstorming ）这样的代码：
model.save("model.h5", metaData={'myVariableName': myVariable})
要加载的是：
myVariable = model.load("model.h5").getMetaData('myVariableName')
我知道在current version中是不可能的，并且我已经阅读了Keras的文档，但是我找不到任何有效的方法来做到这一点。请注意，我要问的内容与custom_object不同，因为要保存和加载自己的变量。
是否有更聪明的方法来解决此问题？