在我遇到的几个实例中，TF2通常表现出较差且类似错误的内存管理-在此处和此处进行简要说明。特别是对预测而言，最有效的喂养方法是model(x)直接通过- 参见此处及其相关链接的讨论。
概括地说：model(x)通过其它的作用__call__方法（其从继承base_layer.Layer），而predict()，predict_classes()等经由涉及专用回路功能_select_training_loop(); 每种工具都利用了适合不同用例的不同数据预处理和后处理方法，并且model(x)在2.1版中专门针对产生最快的小模型/小批量（可能是任意大小）性能（在2.0版中仍然最快）进行了设计。
从链接的讨论中引用TensorFlow开发人员：
您可以使用模型调用而不是模型预测来预测输出，即，model(x)由于没有“转换为数据集”部分，并且直接调用cached ，因此调用会更快tf.function。
注意 ：在2.1，尤其是2.2中，这应该不是一个大问题- 但无论如何都要测试每种方法。我也意识到这并不能直接回答您关于时间高峰的问题；我怀疑这是关系到渴望缓存机制，但确定最可靠的方法是通过TF Profiler，这是破2.1。
：关于尖峰的 增加 ，GPU可能的节流；您已完成约1000次迭代，请尝试10,000次-最终，应停止增加。正如您在评论中指出的那样，这不会发生model(x)；之所以有意义，是因为它减少了一个GPU步骤（“转换为数据集”）。
：如果您遇到此问题，可以在这里与开发人员联系。大部分是我在那里唱歌
602392714
清零编程群