与 keras h5 模型（VGG16 预训练）相比，Tensorflow lite 模型推理非常慢

Question

与 keras (h5) 模型相比，Tensorflow lite 预测极其缓慢。 Colab 和 Windows 10 系统上的行为类似。我将标准 VGG16 模型转换为 tflite，无论有没有优化（converter.optimizations = [tf.lite.Optimize.DEFAULT]）

这是我得到的结果：

• Keras 模型 (540MB) 预测时间：0.14 秒
• 未优化的 tflite (540MB) 预测时间：0.5 秒
• 经过优化的 tflite (135MB) 预测时间：39 秒

我在这里遗漏了什么吗？ tflite 不应该针对速度进行优化吗？在 Raspberry Pi 或其他“更轻”设备上的行为会有所不同吗？

Link to the code on colab

Answer 1

TensorFlow Lite 并未针对桌面/服务器进行优化，因此对于这些环境中的大多数模型表现不佳也就不足为奇了。 TFLite 的优化内核（包括许多 GEMM 操作）特别适用于移动 CPU（其指令集与台式机 CPU IIUC 不同）。

标准 TensorFlow 更适合您的用例。