mindspore-使用net(input)或者model.predict获取对应预测值，forward获取一次结果较慢

问题描述：

我的训练是每筛选一次数据（使用建立的网络ResCNN对随机原始数据的预测值，对数据筛选获得一个batch的数据）后，进行一个step（一个batch的训练），但在训练过程中使用GPU时发现mindspore的前向传播（使用net得到预测值或者使用model.predict接口）过程十分缓慢，对应的同机器的tensorflow上面该过程只需要0.x s的耗时，处理的数据大小一致，都是(640, 160, 64,1)。

下图为mindspore的得到预测值的时间，

 

对应的mindspore过程为：

 

在tensorflow中，只需要0.8s

 

使用的是相同GPU, 然后tensorflow上也没有特殊处理，tensorflow的对应过程为：

 

，请问mindspore中是否该正向计算可以缩减时间呢，方便训练的效率

解答：

你好，建议可以先使用profiler工具分析性能：

mindspore.profiler接口详情：https://mindspore.cn/docs/zh-CN/r1.7/api_python/mindspore.profiler.html

GPU上profiler的性能调试：https://www.mindspore.cn/mindinsight/docs/zh-CN/r1.7/performance_profiling_gpu.html

其他相关教程：https://mindspore.cn/docs/zh-CN/r1.7/migration_guide/performance_optimization.html （其中案例2涉及前向运行时间长的问题）