Tensorflow-Keras-预测方法性能

问题描述

要求：-我们想通过使用tensorflow-keras预训练模型通过keras引擎预测方法从图像中提取特征/嵌入。详细信息如下：

1. cout << " Enter a cstring: " << endl; char A[] = ""; cin >> A ; cout << "Enter the character you wanna find: " << endl; char element ; cin >> element; cout << "Press enter to perform the search : "; getchar(); if (-1 == search_c_string(A,element)) cout << "Element was not found...." << endl; else cout << "Element was found at the index: " << search_c_string(A,element) << endl; system("pause"); return 0; ，
2. pretrained_model="resnet50"
3. pooling_method="avg"

通过使用input imagesw- numpy array和pretrained_model，我们生成了用于特征提取的基础对象。 在此基础模型上，我们使用了将图像数组（numpy数组）传递给的预测方法。

预测方法定义：

pooling_method

我们已经测试了从2000到5000范围内的各种skus和图像阵列的预测方法。以下是执行细节：

Execution details screen capture

任何人都可以指导我，因为我想了解如何配置预测方法以利用多重处理来提高性能。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）