背景

在跑代码的时候，运行cmd，输入nvidia-smi，发现这样一个问题，显存的占比高特别低但是GPU利用率特别低。

解决方法

这个跟自己写的代码有关系，我的主要问题在于，读取磁盘中数据的时候，是依靠CPU在读取数据（此时磁盘读写会非常高，打开任务管理器就知道），同时，tensorflow在运行模型训练的时候，会从内存中读取数据，GPU训练会比较快，而CPU一直在从磁盘中读数据到内存中，而跟不上GPU从内存中读取数据并训练数据的速度，就像超市买东西最后要付款一样，收银员的速度快的令人发指，但是来付款的顾客却一次来几个，又停很久才到下一波。此时可以用两种发放来处理，一个是将磁盘中的数据转成TFRecords类型数据，让tensorflow直接读取数据，而不是让CPU读取数据后再给tensorflow读取，就像顾客全部都被强制赶出来，不准在超市里面停留，只好全部到收银处付费；另外一个方法就是增加线程数(num_threads)，在tf.train.shuffle_batch和tf.train.batch中，有一个num_threads参数，默认为1，可以稍微调高点，就如同把顾客多赶一些人出来，而不是只来几个。

参考：
https://blog.csdn.net/qq_32998593/article/details/92849585
https://zhuanlan.zhihu.com/p/53345706