Keras 基于图像URL的多处理ResNet特征提取

我有一个简单的函数来获取图像url，并使用Keras中的resnet从中提取特征，然后将其交给从pkl文件加载的Xgboost模型

def分类（img、resnet_模型、加载的_模型）：
尝试：
images=io.imread（img.strip（））
images=Image.fromarray（图像）
test_image=img.resize（（224））
test_image=image.img_到_数组（test_image）
测试图像=展开尺寸（测试图像，轴=0）
img_数据=预处理_输入（测试_图像）
image\u features=resnet\u model.predict（img\u数据）
图像\u要素\u数组=数组（图像\u要素）
predicted_image=loaded_model.predict（xgb.DMatrix（数据帧（图像特征数组）））
除：
预测的图片='断开的URL'
返回图像`

目前我只是在一个img URL列表中循环，它工作得很好，但我需要它执行得更快。代码本身可能不是最有效的，但我主要关注的是多处理。我的尝试要么挂起，要么立即导致空列表

几年前这里发布了一个类似的问题：但答案不是很令人满意，需要在本地保存一批图像文件。我更愿意让一个工作人员请求图像，然后预测该图像