我在使用tensorflow（两台不同机器上的0.12.1和0.11.0rc1）时遇到了一个问题，即手动执行前向传播和梯度计算非常慢（另一方面，训练工作正常） .
特别是，对于1个图像，调用 sess.run(predictions, feed_dict={...} 需要1到1.2秒 . 作为参考，在caffe'中实现的相同架构大约需要100-150毫秒，这与我重新实现的论文中报告的时间一致 . 通过网络通过 tf.gradients 进行反向传播需要相似的时间（~1.5s） . 同样，caffe中的相同架构大约需要1/10的时间 .
我检查了前向道具中的GPU使用情况，以确保它实际上是在使用GPU并且它在 sess.run 期间正确尖峰（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（一个相当简单的转换器，https://arxiv.org/abs/1603.06041）工作正常的事实让我觉得我的张量流代码或配置有问题，但我不知道从哪里开始 . 有什么建议？
谢谢！
编辑：添加代码的链接 .
Tensorflow网络和转发功能：http://pastebin.com/y9jKBdsV（忽略转发功能看起来像dcgan的事实，问题仍然存在）
Caffe原型和前向功能：http://pastebin.com/DqWdbHU8