我正在尝试实现从tf.keras.Sequential继承的模型类，并且该类具有自定义的梯度下降功能（使用梯度检查点）以优化内存消耗。
我的课程中有一个函数，当调用该函数时，可以为给定的数据点/批处理计算渐变并更新模型中所有图层的权重。由于我在训练循环中反复调用了此函数，因此我不想使用model.fit()的{{1}}函数。
我面临的主要问题是每个纪元需要很长时间才能完成（超过tf.keras），我怀疑这是因为我在调用{{1}之前将每个批处理移至GPU }函数，导致延迟。
是否可以重载我的model.fit()类中的某些函数，以便使用model.update_weights来调用我的自定义model函数？
或者，是否有一种方法可以将数据集更有效地获取到GPU？
（我目前正在使用model.fit()，它实际上是update_weights。）