我尝试使用Estimator设置一个非常简单的Mnist示例。
首先，我使用了估算器的弃用fit（）参数x，y和batch_size。这执行得非常快，并且使用了大约100％的GPU而不会影响CPU（大约10％的利用率）。所以它按预期工作。
因为不推荐使用x，y和batch_size参数，所以我想对fit（）函数使用input_fn参数。为了构建input_fn，我使用了tf.slice_input_producer并将其与tf.train.batch一起批处理。这是我的代码https://gist.github.com/andreas-eberle/11f650fca0dce4c9d3d6c0955145e80d。您应该能够使用tensorflow 1.0运行它。
我的问题是现在训练速度非常慢，只占我GPU的30％左右（显示在nvidia-smi中）。
我还尝试增加slice_input_producer的队列容量，并增加用于批处理的线程数。但是，这仅有助于获得大约45％的GPU利用率，并导致100％的GPU利用率。
我做错了什么？是否有更好的方式来输入输入和批量输入？我不想手动创建批处理（创建numpy输入数组的子数组），因为我想将此示例用于更复杂的输入队列，我将在其中读取和预处理图中的图像。
我不认为我的硬件应该是问题所在：