Python 张量流向前传播极慢

在使用tensorflow（在两台不同的机器上分别为0.12.1和0.11.0rc1）时，我遇到了一个问题，即手动执行正向传播和梯度计算的速度非常慢（另一方面，训练效果很好）

特别是，调用

sess.run（predicts，feed_dict={…}

需要1到1.2秒的时间来处理一幅图像。参考一下，caffe中实现的相同体系结构大约需要100-150毫秒，这与我重新实现的论文中报告的时间一致。类似的时间量（~1.5秒）需要通过

tf.gradients

通过网络进行反向传播。同样，caffe中的相同架构需要大约1/10的时间

我在前进道具期间检查了GPU的使用情况，以确保它实际使用了GPU，并且在

sess.run

（分别在两台机器上使用带有cuda 8的GTX TITAN Z和带有cuda 7.5的TITAN X）

caffe中相同的架构（相当简单的conv-deconv）运行良好，这一事实让我认为我的tensorflow代码或配置中存在错误，但我不知道从何开始。有什么建议吗

谢谢

编辑：添加代码处的链接

---

Tensorflow网络和前向函数：（忽略前向函数看起来像dcgan的事实，问题仍然存在）

---

Caffe prototxt和forward函数：

您是否有到源代码的链接您的问题太广泛，添加代码（可能适用于Caffe和tensorflow实现）会使您的问题更容易得到回答。tensorflow网络和forward函数：（忽略forward函数看起来像dcgan的事实）Caffe prototxt和forward函数：源代码似乎已从PasteBind中删除。您是否有指向源代码的链接？您的问题太广泛，添加代码（可能适用于Caffe和tensorflow实现）会使您的问题更容易得到回答。tensorflow网络和forward函数：（忽略forward函数看起来像dcgan的事实）Caffe prototxt和forward函数：源代码似乎已从pastebin中删除