环境：python 3.6、win10、tensorflow1.8
硬件：GTX1080Ti、E5-2680V2
问题：显卡计算不满载 计算速度慢
截图见下
好吧 截图上传不了 就是GPU总占用率１０％不到 compute＿０占用不到１５％
一。cuda_visible_devices 设置可见gpu，但是会将整个gpu占满，Gpu的实际使用率很低。使用tf.configproto.gpu_optional.allow_growth属性设为True时就可以文明使用gpu。
数据读取满，影响计算速度。
二。显卡使用率有规律的上下波动是正常的，因为要读取数据，不同layer显卡开销也不一样。如果总体上，显卡占用率越来越低，则可能是内存占满了，需要清理缓存。
1. 提高 Batch Size（直到显存爆掉）；
2. 减少层数；
3. 提高单层计算量（如增大 channels、kernel_size，减小 stride、group）；
4. 使用 cuDNN；
5. 如果只是前向计算，可以用 TensorRT；
建议楼主试试。
windows 10的任务管理器的gpu显示有bug，表现为compute不高，但是内存复制很高，这个问题有国外论坛讨论过，如果你的程序跑得正常，其实是满载的。
提高Batch Size或许可以提高所谓的“满载”，但是会降低每个epoch的学习进度，让gpu傻忙，结果是训练时间并没有进步，甚至会出现梯度消失。
在实践中，我建议你首先从改进模型入手。
楼主的e5-2680 v2跑深度学习算法的时候出现过问题（指令集不全之类的？）吗，小白在配机子，纠结装i5 9400f还是2680v2