Tensorflow 为什么nvidia smi GPU性能较低（尽管未使用）

我是基于GPU的培训和深度学习模型的新手。我在我的2个Nvidia GTX 1080 GPU上运行tensorflow中的cDCGAN（Conditonal DCGAN）。我的数据集由大约320000张大小为64*64和2350个类别标签的图像组成。我的批处理大小非常小，即10，因为我面临OOM错误（分配形状为[32,64,642351]的张量时OOM）和较大的批处理大小

培训非常缓慢，我知道这取决于批量大小（如果我错了，请纠正我）。如果我执行

帮助-n1 nvidia smi

，我将得到以下输出

主要使用的是

GPU:0

，因为易失性的GPU-Util为我提供了大约0%-65%的支持，而

GPU:1

的最大支持率始终为0%-3%。

GPU:0

的性能始终在P2中，而

GPU:1

主要是P8或有时是P2。我有以下问题

1） 为什么GPU:1的使用量没有超过当前状态，为什么它的性能主要是P8，尽管没有使用
2） 这个糟糕的培训过程只会降低到我的批量大小，还是有其他原因
3） 如何提高性能？ 4） 如何避免批量较大时出现OOM错误

编辑1:

模型详情如下

生成器：

我有4个层（完全连接、上采样2D-conv2d、上采样2D-conv2d、conv2d）
W1的形状为[X+Y，16*16*128]，即分别为（245032768），w2[3,3,128,64]，w3[3,3,64,32]，w4[[3,3,32,1]]

鉴别器

它有五层（conv2d、conv2d、conv2d、conv2d、完全连接）

---

w1[5,5,X+Y，64]，即（5,5,2351,64），w2[3,3,64,64]，w3[3,3,64,128]，w4[2,2,128,256]，[16*16*256,1]。

是的，批量太小，为什么会出现OOM错误？模型有多大？@MatiasValdenegro有关模型的详细信息，请参阅我的编辑1。