参考答案
内容深度:基础 · 无代码示例 · 来源:外部链接 · 未复核 · 35 天前更新 · 技术内容可能随版本变化,建议结合官方文档理解
要点:
- CPU/IO 瓶颈:训练 GPU 利用率低常因数据读取慢,应使用
tf.data 的 prefetch、cache、interleave、map 并行。
- 缓存选择:小数据可内存缓存,大数据可落盘缓存,但 map 顺序要在 cache 前后明确,避免随机增强失效。
- 批大小与形状:静态 shape 可提高吞吐,避免 Python 每步动态逻辑;用 profiling 工具确认数据侧耗时占比。