我创建了一个tensorflow图，并尝试在安装了tensorflow-GPU conda环境（p3.2xlarge）的Amazon EC2实例上运行它。 不幸的是，实际的GPU利用率似乎非常低。它在0-11％之间振荡。 200个步骤的平均时间为54秒。 GPU-util
用R编写的相同脚本在计算机上运行的参数相同：平均GPU利用率约为60％，每200步的时间为7秒。
这种行为的可能原因是什么？为什么python脚本运行慢得多？ 是否有可能在翻译过程中（脚本最初是用R（original R code is available here编写的，然后我将其重写为python））使用了一些需要CPU的结构，因此计算速度大大降低了（因为CPU- GPU传输）？
编辑： 经过一些调查后，它可以在tensorflow-gpu-1.5上按预期工作。将库升级到1.8后，速度变慢。
设备映射显示609个操作，其中只有2个映射到CPU：
count_nonzero/Sum: (Sum): /job:localhost/replica:0/task:0/device:CPU:0
count_nonzero/Const: (Const): /job:localhost/replica:0/task:0/device:CPU:0