我在谷歌云ml引擎上有一个模型，基本上由VGG19神经网络的keras实现组成(即使顶部没有完全连接的层(。更准确地说，首先使用tf.image.resize_images调整图像的大小，然后通过VGG，在5个不同层中计算平均特征激活。
当从终端作为运行时
gcloud ml-engine predict
--model Features
--version v1
--json-instances
test_image.json
整个执行时间大约为17-18秒(不是在第一次运行时(。
这似乎比VGG的单次运行要慢得多，你有什么想法吗？
如果使用所有默认设置部署模型，您将获得单核机器，这对于深度模型来说可能相当缓慢。
我们还有其他各种处于alpha和beta阶段的产品(很快就会包括GPU(；请联系cloudml-feedback@google.com如果您希望访问，请请求访问。