Tensorflow 在多个GPU上并行训练，无法提高GPU的利用率

我使用Tensorflow输入数据管道从一个大的csv文件中读取数据，并使用镜像策略在同一集群的多个GPU上训练神经网络。我的问题是，我不能使用超过20%的GPU，如您所见：

以下是我的示例代码：

    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25,shuffle=True,  random_state=42)
    Train=tensorflow.data.Dataset.from_tensor_slices((x_train,y_train))
    Train = Train.batch(1200,drop_remainder=False).cache()
    Train = Train.prefetch(tensorflow.data.experimental.AUTOTUNE)
    Test=tensorflow.data.Dataset.from_tensor_slices((x_test,y_test))
    Test = Test.batch(1200,drop_remainder=False).cache()
    Test = Test.prefetch(tensorflow.data.experimental.AUTOTUNE)
    with strategy.scope():
        model.compile(loss='mean_squared_error', 
        model.fit(Train,validation_data=Test,verbose=1,epochs=100)

有人知道如何提高我的GPU利用率吗？我甚至尝试将批处理大小增加到1200，但这没有多大帮助（我也不想将批处理大小增加太多，因为我可能会收敛到具有较大批处理大小的局部极小值！）