分析各步骤耗时

1、CPU上的操作耗时：

        尝试将操作放在GPU上进行，如np.argmax的操作

2、.cpu()耗时

        尝试减少传输tensor的大小

3、数据预处理耗时

        1）resample操作尝试放到GPU上处理？

        2）先crop后resample？

4、调用不同的包耗时不同

        如scipy / skimage / sklearn / numpy

5、网络运行耗时

        1）inference时可以不对网络权重进行初始化操作

        2）选用不同的网络框架

        3）减少channel数

        4）减少层数

6、其他

        1）torch.backends.cudnn.benchmark

        2）.half() 操作可以减少显存占用，但在V100等高端机器上优化做的很好，普通机器上速度奇慢

        3）训练时不建议使用torch.cuda.empty_cache()，会减慢训练速度