keras 多个模型测试阶段速度越来越慢问题的解决方法

问题描述

在实际应用或比赛中，经常会用到交叉验证（10倍或5倍）来提高泛化能力，这样在预测时需要加载多个模型。常用的方法为

    mods = []
    from keras.utils.generic_utils import CustomObjectScope
    with CustomObjectScope({}):
        for model_file in tqdm.tqdm(model_files):
            mod = keras.models.load_model(model_file)
            mods.append(mod)
    return mods

使用这种方式时会发现，刚开始模型加载速度很快，但随着加载的模型数量增多，加载速度越来越慢，甚至延长了3倍以上。那么为什么会出现这种现象呢？

原因

由于tensorflow的图是静态图，但是如果直接加在不同的图（即不同的模型），应该都会存在内存中，原有的图并不会释放，因此造成了测试速度越来越慢。参考https://blog.csdn.net/holmes_MX/article/details/82659869

解决方案

知道了原因，解决方案也就有了：每加载一个模型就对所有测试数据进行评估，同时在每次加载模型前，对当前session进行重置。keras的tf后台提供了clear_session方法来清除session

    import keras.backend.tensorflow_backend as KTF
    KTF.clear_session()
    session = tf.Session(config=config)
    KTF.set_session(session)

    with CustomObjectScope({}):
        model = keras.models.load_model(model_file)
    return model