Python Keras中的加载模型所需时间呈指数增长

我有一系列以hdf5格式保存的Keras模型（包括结构和重量）。这些模型基于预先训练的数据集，并通过自定义数据集进行了进一步的微调

对于生产使用，我需要同时将所有这些模型加载到内存中

从keras.models导入负载模型
型号名称=[‘鸟’、‘猫’、‘狗’、‘电话’]
模型=dict（）
对于模型_名称中的名称：
路径='models/{}.h5'。格式（名称）
m=负载_模型（路径）
型号[名称]=m

加载的模型越多，加载时间似乎就越长。指示值为：

• 装载

  鸟类需要1分钟。h5

• 加载Cat.h5需要5分钟
• 加载

  狗需要7分钟。h5

• 加载

  手机需要15分钟。h5

所有型号都基于相同的结构，每个h5文件占用磁盘上82Mb的空间。我在一个AWS

p2.xlarge

实例上运行它，该实例配备了一个GPU

问题：

• 为什么加载时间会随着已加载模型的数量而增长
• 这是正常的还是我做错了什么
• 如何提高总体加载时间

---

这不是一个经过验证的答案，我在这里根据上面的评论详细说明，供您测试
将4个模型合并为一个模型
怎么做？
加载它们并一直等待（这仍然不是生产）
现在：
保存此

common_model

，查看在新会话中加载所需的时间

---

您可以使用

common\u model.layers[i]

从中检索每个模型。请参见摘要中的哪个

i

是哪个层。如果使用名称定义子模型，则更容易：

common\u model.get\u layer（model\u name）

您可以尝试一种时髦的方法，即：用一个输入将四个模型连接到一个模型中（用输入调用每个模型，并从这个输入创建一个模型到每个输出）。保存此模型并查看其加载是否正常。您可以稍后从中检索每个模型。@DanielMöller听起来很有趣，但我不确定我是否完全遵循了。你能再详细一点吗？好的，现在它非常有意义。我要试试这个。

common_input = Input(compatible_shape)  #assuming all models have similar inputs

outputs = []
for name in models:
    outputs.append(models[name](common_input))

common_model = Model(common_input, outputs)