Python 如何限制Torch中的Tensor.to（）造成的性能开销？

我正在开发一个基于和框架的实时目标跟踪网络。我正在模拟一个恒定的输入数据流，以1的批大小运行它。据我所知，我注意到由于不断使用.to（）Torch方法而导致的速度大大减慢，而我无法控制该方法

什么技术可以用来限制从CPU到GPU的数据传输所造成的开销

以下是Pycharm的简介，重点介绍了重要链接：

以及与.to（）之前的最后一个框对应的代码：

以及加载图像并运行跟踪的主循环：

from torch.utils.data import DataLoader
from tqdm import tqdm

data_loader = DataLoader(seq, batch_size=1, shuffle=False)
for i, frame in enumerate(tqdm(data_loader)):
    if len(seq) * tracktor['frame_split'][0] <= i <= len(seq) * tracktor['frame_split'][1]:
        with torch.no_grad():
            tracker.step(frame)
        num_frames += 1

来自torch.utils.data导入数据加载器
从TQM导入TQM
数据加载器=数据加载器（顺序，批量大小=1，随机播放=False）
对于i，枚举中的帧（tqdm（数据加载器））：
如果len（seq）*跟踪器['frame_split'][0]
from torch.utils.data import DataLoader
from tqdm import tqdm

data_loader = DataLoader(seq, batch_size=1, shuffle=False)
for i, frame in enumerate(tqdm(data_loader)):
    if len(seq) * tracktor['frame_split'][0] <= i <= len(seq) * tracktor['frame_split'][1]:
        with torch.no_grad():
            tracker.step(frame)
        num_frames += 1