关于Tensorflow 2.0.0 使用 Tensorflow Hub 加载 Tensorflow Object Detected 造成的性能极其缓慢的事件记录

解决方案：

主要由于Tensorflow 版本过低导致的问题 。
之前看过其他的技术文章，他们的建议是使用 Tensorflow 2.2.0 。
但是，我个人的想法是：
由于机器学习是个日新月异的东西，并且Tensorflow 2 也是一个正式出道没多久的工具。大家还是尽量保持版本的最新。
这东西，甚至关系到性能问题，不是一两倍。甚至有可能达到几万倍，几十万倍都是有可能。
当前问题下：
升级前 ： 十分钟到二十分钟，甚至三十分钟不等
升级后： 五到八秒返回结果

机型：
2016年购买的游戏本
CPU: 酷睿 i5 -6200U
内存：12G

项目场景：

这几日，心血来潮准备搭建一个完成一点的Tensorflow 图像识别道具。 在千辛万苦之后，项目终于完成。 但是，却在性能上，产生了完全无法可视的问题。接口延迟长达二三十分钟。

---

解决问题的过程：

过程是很艰难的，因为发现根本你没有一个专用的地方寻求帮助。
无论实在 CSDN上还是Tensorflow 官网上 。你都没有一个专门的地方快速找到问题的所在。
都已经死马当活马医了，准备在CSDN问答上，发问答帖。
在写的时候，突然想到前几天看到的视频，他让我们保持版本在 2.2.0 。
因此我就想，会不会是版本问题呢？方正都没办法了，不如更新一下版本。
说实话，自己电脑上的 Tensorflow 还是 2019年下载的 2.0.0 。。。
于是在更新到当前最新的版本 2.6.0 之后重新运行加载
性能上达到了很可观的改善

问题，到这里就结束了。
但是，我们还是有需要进一步探索的问题点，如

1. 当前虽然接口的返回效率为5-8秒返回结果，但是最为后端服务器，这样的性能似乎还是处于能让所有人都满意的阶段。那么这个性能问题是机器的问题，还是模型的问题呢？
2. 该模型是否能够通过Tensorflow.js 以及 Tensorflow Lite 布置在前端上呢？如果效率还是坚持在这个速率 ，那么应该放在什么样的业务上，保持程序的正常执行。