Python 与keras h5模型(VGG16预训练)相比,Tensorflow lite模型推断速度非常慢
与keras(h5)模型相比,Tensorflow lite模型的预测速度非常慢。Colab和Windows 10系统上的行为类似。我将标准VGG16模型转换为tflite,包括优化和未优化(converter.optimizations=[tf.lite.Optimize.DEFAULT]) 以下是我得到的结果:Python 与keras h5模型(VGG16预训练)相比,Tensorflow lite模型推断速度非常慢,python,tensorflow,keras,Python,Tensorflow,Keras,与keras(h5)模型相比,Tensorflow lite模型的预测速度非常慢。Colab和Windows 10系统上的行为类似。我将标准VGG16模型转换为tflite,包括优化和未优化(converter.optimizations=[tf.lite.Optimize.DEFAULT]) 以下是我得到的结果: Keras模型(540MB)预测时间:0.14秒 无优化的tflite(540MB)预测时间:0.5秒 tflite优化(135MB)预测时间:39秒 我是不是遗漏了什么?tfl
- Keras模型(540MB)预测时间:0.14秒
- 无优化的tflite(540MB)预测时间:0.5秒
- tflite优化(135MB)预测时间:39秒
TensorFlow Lite没有针对桌面/服务器进行优化,因此它在这些环境中的大多数机型上表现不佳也就不足为奇了。TFLite的优化内核(包括许多GEMM操作)特别适合移动CPU(它们没有与桌面CPU IIUC相同的指令集) 标准TensorFlow更适合您的用例