Python 将两个keras模型集成到一个模型中
我有三个模型(模型-识别图像中的对象,模型B-识别图像的样式,模型C-识别图像中的关键字)使用Keras进行训练-有三个不同的模型架构-用于将图像分为三种不同的方式 我有一个围绕这些模型的服务器,可以根据请求提供实时预测,即用户上传图像并在识别对象、样式或关键字之间进行选择。我只有一个GPU。由于Keras分配GPU内存的方式,我将预测模型包装在函数中。这样,每次函数调用后,内存都会被释放 只要对同一型号有一个请求,这种方法就有效。但是如果两个请求(比如一个用于样式,另一个用于关键字)命中服务器,Keras就会耗尽内存并进入无法恢复的循环。然后我必须终止进程并重新启动服务器以使其重新工作 我对如何解决这个问题有一些想法。不确定哪些是可行的,但会起作用Python 将两个keras模型集成到一个模型中,python,python-2.7,multiprocessing,keras,Python,Python 2.7,Multiprocessing,Keras,我有三个模型(模型-识别图像中的对象,模型B-识别图像的样式,模型C-识别图像中的关键字)使用Keras进行训练-有三个不同的模型架构-用于将图像分为三种不同的方式 我有一个围绕这些模型的服务器,可以根据请求提供实时预测,即用户上传图像并在识别对象、样式或关键字之间进行选择。我只有一个GPU。由于Keras分配GPU内存的方式,我将预测模型包装在函数中。这样,每次函数调用后,内存都会被释放 只要对同一型号有一个请求,这种方法就有效。但是如果两个请求(比如一个用于样式,另一个用于关键字)命中服务器