要保存并重用CNN模型，可以使用Python中的pickle模块。以下是一个示例代码：

import pickle
from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

# 创建并训练CNN模型
model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(MaxPooling2D((2, 2)))
model.add(Flatten())
model.add(Dense(10, activation='softmax'))

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 假设有训练数据X_train和标签y_train
model.fit(X_train, y_train, epochs=10)

# 保存模型
with open('cnn_model.pkl', 'wb') as file:
    pickle.dump(model, file)

# 重用模型
with open('cnn_model.pkl', 'rb') as file:
    saved_model = pickle.load(file)

# 使用重用的模型进行预测
predictions = saved_model.predict(X_test)

在上述示例中，我们首先创建了一个CNN模型并训练它。然后，我们使用pickle模块将模型保存到名为"cnn_model.pkl"的文件中。接下来，我们使用pickle模块从文件中加载保存的模型，并使用它进行预测。