今回の学習は長時間（期間）掛かるため、モデルの重みを保存し再学習する必要が出てきました
（Google Colabは制限時間が来たり、アクセスがなかったらセッションが切れてしまいます）
このため
①１エポック当たりのモデルを保存、検証の値（loss最小値のモデルを選択するため）
も分かるように名前で保存します
②入力時によく知られるRGBをLABに変換し、予測後の後処理前まではLABで処理する
その後、後処理で予測の形をRGBに変換（もどす）します
②今回は、前回のノイズ除去と違って、より表現力が求められるため、プーリングは使わずに
Encoderの畳み込み層（Conv2D）でチャンネル数を増やし（倍々になっている）
DecoderのTransposedConv2Dはアップサンプリングとは別のアプローチで
入力テンソルの拡大を行っています
＋拡大の処理と畳み込み処理を１層で行っています
後、苦労したのはGoogle Colabは絶対パスでしか処理できないという事と
hdf5、h5pyのインストールです
ネット上にあった
pip install h5py やら
conda install hdf5
を実行してもh5やhdf5で保存することは出来ませんでした
他にCgywinを使ってコンパイルする方法とかもありましたし
その他もろもろ・・・ （結果失敗）
これも、さんざん遠回りしましたが、
conda install -c anaconda hdf5
conda install -c anaconda h5py
この2つのコマンド
これだけで全て上手くいきました
（苦笑）