当我使用 Tensorflow 训练模型时，我得到了相同的利用率。就我而言，原因很清楚，我手动选择随机批次的样本并分别调用每个批次的优化。

这意味着每批数据都在主内存中，然后将其复制到模型其余部分所在的 GPU 内存中，然后在 gpu 中执行前向/反向传播和更新，然后将执行交给我抓取的代码另一批并对其进行优化。

如果您花几个小时设置 Tensorflow 以从预先准备的 TF 记录中并行进行批量加载，那么有一种更快的方法可以做到这一点。

我意识到您可能会或可能不会在 keras 下使用 tensorflow，但由于我的经验往往会产生非常相似的利用率数字，因此我建议从这些相关性中得出合理可能的因果关系。如果您的框架将每个批次从主内存加载到 GPU 中，而没有增加异步加载的效率/复杂性（GPU 本身可以处理），那么这将是预期的结果。