Python Tensorflow2.0a：为什么keras.models.load_model（）比model.from_config（）慢？

我在Tensorflow2.0a中构建了两个自定义层和模型，扩展了Keras类。在所有这些方法中，我都实现了

get\u config（）

和

from\u config（）

方法。我还在CustomModel类中实现了

model.save（）

方法（类似于顺序模型）

def save（self、filepath、overwrite=True、include\u optimizer=True、**kwargs）：
从tensorflow.python.keras.models导入saveu model#pylint:disable=g-import-not-at-top
保存模型（self、filepath、overwrite、include\u优化器）

这些方法允许我使用：

model.save（“model.h5”）
新_模型=keras.models.load_模型（'model.h5'，
自定义对象={
“CustomModel”：CustomModel，
“CustomLayer”：CustomLayer，#。。。
})

加载一个包含8层和9000个参数的模型大约需要30秒

但我也可以这样加载模型：

model.save_权重（“weights.h5”）
config=model.get_config（）
新建_model=CustomModel.from_config（config）
新模型。荷载重量（“重量.h5”）

另一方面，对于同一型号，此方法需要0.6秒

第一种方法这么慢有什么原因吗？是否由于自定义模型/层的反序列化

在这种情况下，首选的方法是什么

我知道TF2是非常新的，但任何见解都将不胜感激