我在使用tensorflow（两台不同的机器上的0.12.1和0.11.0rc1）时遇到了一个问题，即手动执行前向传播和梯度计算非常慢（另一方面，训练工作正常）。
特别是，对于1张图片，调用sess.run(predictions, feed_dict={...}需要1到1.2秒。作为参考，在caffe'中实现的相同架构大约需要100-150毫秒，这与我重新实现的论文中报告的时间一致。通过tf.gradients通过网络进行反向传播需要相似的时间（~1.5s）。同样，caffe中的相同架构大约需要1/10的时间。
我检查了前向道具中的GPU使用情况，以确保它实际上正在使用GPU并且它在sess.run期间正确尖峰（使用带有cuda 8的GTX TITAN Z和带有cuda 7.5的TITAN X）两台机器分别）
事实上，caffe中的相同架构（一个相当简单的转换，https://arxiv.org/abs/1603.06041）工作得很好，这让我觉得我的张量流代码或配置都有问题，但我不清楚哪里开始。有什么建议？
谢谢！
编辑：添加代码的链接。
Tensorflow网络和转发功能：http://pastebin.com/y9jKBdsV（忽略转发功能看起来像dcgan的事实，问题仍然存在）
Caffe原型和前向功能：http://pastebin.com/DqWdbHU8