Python CNN特征提取时间

我有一个由26万张从几个视频中提取的图像组成的数据集。我想提取这些图像的特征并将其用于帧检索。我使用了在Keras库中实现的VGG16（在imagenet上预训练），在最后一个卷积层中使用“avg”池。VGG16为每个图像提供了一个由512个数字（特征）组成的向量。唯一困扰我的原因是这种情况太耗时。对于我的数据集，它花费了大约一天六个小时，这太多了。
这段时间正常吗？
由于性能低下，我从VGG16切换到已经在Keras中实现的DenseNet121。对于这个模型（现在），从我33%的图像（大约86000张）中提取特征需要一天18小时。
我再次问：这段时间正常吗？
有没有办法更快地提取特征？即使不使用已实现的算法？

---

如果你需要更多的澄清，就要求澄清。谢谢大家!

这取决于你的机器。你是在使用GPU还是CPU？在GPU上工作可以大大减少执行时间，因为它具有并行计算的能力。你是说，通过使用CPU，我们就没有并行计算了？在GPU或CPU上从图像中提取特征的持续时间是多长？以VGG16为例！不。根据您拥有的CPU，您可以获得并行计算，但在GPU上是不同的。有更多的内核可以在上面进行并行计算。这就是为什么深度学习通常与GPU计算结合使用的原因哦，天哪，天哪！！你能告诉我如何在GPU上使用keras吗？谢谢你的反馈。非常感谢。