我有一个python项目，我在其中导入keras.models.load_model:
from keras.models import load_model
这导致我的项目在3到4秒内启动，我如何减少导入时间？
基于本文中的基准测试，保存权重的格式会影响模型实例化和加载保存权重的速度。
似乎.h5格式比SavedModel格式快。然而，如果速度真的对你的项目功能至关重要，那么你可能想考虑采取其中一个步骤，尽管它肯定涉及一些工作：
- 降低模型的精度
- 通过修剪权重来减小模型大小
- 使用TensorFlow lite(但是请注意，有些模型不受支持(
同意@evantkchong的意见。
h5格式是SavedModel的轻量级替代方案。由于它重量轻，所以加载速度比SavedModel或tf格式快。然而，也存在一些需要考虑的局限性。
如果您的模型很简单，保存为h5格式并加载它是更好的选择。但是，如果您有复杂的自定义模型，那么SavedModel/tf格式更好。
以下来自Tensorflow网站
- 外部损失&通过model.add_loss((&model.add_metric((未保存(与SavedModel不同(。如果你有这样的损失&如果你想继续训练需要在加载模型后将这些损失添加回来。笔记这不适用于通过self.add_loss((&self.add_metric((。只要加载了层，这些损失&度量被保留，因为它们是调用的一部分层的方法
- 自定义对象的计算图，例如保存的文件中不包括自定义图层。在装载时，Keras将需要访问这些Python类/函数对象，以便重建模型。请参见自定义对象