我正在具有16核cpu（英特尔®至强®CPU E5-2697 v4 @ 2.30GHz 2.29GHz（16核））的机器上运行tensorflow。我的程序包括一个LSTM层，批处理大小为128。
首先，我使用tf.contrib.rnn.BasicLSTMCell。抱歉，由于我在该网站上没有赢得10个声誉，因此无法上传图片。该配置文件显示BasicLSTMCell被拆分为许多小操作，并由大约16个内核运行。 （还有另一个问题。当我在32核cpu上运行程序时，效率没有增加。当我将批处理大小加倍时，成本时间增加了一倍。）
有人[1] [2]指出，在CPU上，tf.contrib.rnn.LSTMBlockFusedCell比BasicLSTMCell更有效。但是我的程序结果表明它们的效率几乎相同。该配置文件显示LSTMBlockFusedCell仅在一个内核空闲时才在一个内核上运行。当我将批处理大小增加一倍时，LSTMBlockFusedCell会使花费的时间增加一倍，并且也可以在一个内核上运行。
我尝试更改inter_op_parallelism_threads，inter_op_parallelism_threads和OMP_NUM_THREADS，但这并没有太大帮助。谁能帮我吗？
[1] https://returnn.readthedocs.io/en/latest/tf_lstm_benchmark.html [2] https://www.tensorflow.org/performance/performance_guide#rnn_performance