我们正在测试各种估计器，例如LinearEstimator，DNNClassifier等。现在我们仅限于使用CPU进行培训，我们正在测试参数和杠杆，例如
结果：每秒全局步数* batch_size大约20~50
因此，我们通过Tensorboard每秒的全局步长* bucket_size大约20~50，并且增加的CPU和内存有其限制。
无论Optimizer及其配置如何，我们都会看到类似的结果。
我们做错了什么，还有其他我们可以使用的杠杆吗？您可以优化模型训练方法的数量是否存在限制，我们是否应该继续使用GPU并利用其矩阵乘法效率？
您可以尝试使用Dataset API优化输入管道。考虑将您的数据转换为tfrecords，它可以带来实质性的改进。如果您有多个CPU，则可以设置群集。但这一切都在很大程度上取决于你拥有的数据。看看吧