经过训练的keras模型的预测速度比训练时慢得多。

经过训练的Keras模型的预测速度比训练时慢得多是一个常见的现象。这是因为在训练过程中，模型需要进行大量的计算和参数更新，而在预测过程中，模型只需要进行前向传播计算，不需要进行反向传播和参数更新，因此预测速度会更快。

为了提高经过训练的Keras模型的预测速度，可以考虑以下几个方面：

1. 模型优化：可以通过模型压缩、剪枝、量化等技术减小模型的大小和计算量，从而提高预测速度。腾讯云提供了ModelArts服务，其中包括了模型压缩和量化的功能，可以帮助用户优化模型。
2. 硬件加速：使用GPU或者TPU等硬件加速设备可以显著提高模型的预测速度。腾讯云提供了GPU和TPU实例，用户可以选择适合自己需求的实例类型。
3. 模型部署：将训练好的模型部署到云端的服务器上，可以通过并行计算、分布式计算等方式提高模型的预测速度。腾讯云提供了Serverless云函数SCF和容器服务TKE，可以帮助用户快速部署模型。
4. 模型缓存：对于需要频繁进行预测的场景，可以将预测结果缓存起来，避免重复计算，从而提高预测速度。

总结起来，要提高经过训练的Keras模型的预测速度，可以通过模型优化、硬件加速、模型部署和模型缓存等方式来实现。腾讯云提供了一系列相关产品和服务，可以帮助用户优化和加速模型的预测过程。具体的产品和服务信息可以参考腾讯云官网：https://cloud.tencent.com/product