我有一个在PyTorch中实现的模型，由于我想在Tensorflow中实现的生产问题，因此该模型。
我已经在Tensorflow 2.0中实现了该模型，现在我想对其进行培训。 但是在运行模型时，我什至无法对整个数据进行一次正向传递。（我具有嵌入的静态内容tf.constant，只能转发其中的一小部分）。
如前所述，我尝试使用静态输入的一部分运行，该输入通过但非常缓慢。用整个输入运行时，我永远都不会通过转换操作（等待了半个多小时）。
我有这个转换层列表（当前设置是[(1, 800), (2, 400)]的两层
self.convs = [tf.keras.layers.Conv2D(filters=num_filters, kernel_size=(f_size, self.embedding_size), padding='SAME') for f_size, num_filters in self.params['filters']]
执行的操作是：
tensors = tf.expand_dims(tensors, 1)
conved = [tf.keras.activations.relu(conv(tensors)) for conv in self.convs]
conved = [tf.squeeze(x, axis=1) for x in conved]
conved = [tf.reduce_max(x, axis=1, keepdims=False) for x in conved]
emb = self.dropout(tf.concat(conved, axis=1))
我同时在模型输入和恒定张量上执行这些操作。
对于模型输入张量：
输入形状：（batch_size，37，300）
Expanded_dims时间：9.0e-05
转化+回复时间：1.82
挤压时间：0.00016
减少最大时间：0.00051
对于恒定张量：
输入形状：（704、550、300）
Expanded_dims：2.932-05
...
我很清楚这是一个非常昂贵的操作，但是相比之下，以相同的硬件和pytorch在调试模式下运行大约需要10秒钟。
从系统监视器的角度看，所有内核都以接近100％的速度工作，但内存仅以66％的速度工作。
系统信息
希望有人可以提供帮助：）