我正在运行https://github.com/jadore801120/attention-is-all-you-need-pytorch，此代码已通过PyTorch和Attention-is-all-you-need实现了论文Gigaword dataset，因此该任务从原始论文的意图（机器翻译（数据集）变为文本摘要名称是WST2016）。
与WST2016相比，Gigaword中的数据集要大得多，训练数据集的总大小分别为3,800,000和29,056。
问题是，当我训练Gigaword时，恰好是图形训练了整个数据的31％时，它急剧下降，多达30倍的线性下降，GPU util从99-100变为0-15％ ％。
我不知道为什么培训速度会完全降低到每批次31％的速度。
调试此问题的可能起点是什么？