keras使用GPU训练模型显卡占用率过高·

如果您在使用GPU训练模型时显存占用率过高，可以考虑以下几种方法：

1. 减小batch size：通过将训练过程中的batch size降低，可以减少每次迭代时GPU需要处理的数据量，从而减少显存占用率。

2. 使用更小的模型：更小的模型通常需要更少的显存，可以减少显存占用率。

3. 使用mixed precision训练：mixed precision训练是一种利用半精度浮点数（float16）加速深度学习模型训练的技术。由于float16需要的显存更少，因此可以减少显存占用率。

4. 减少模型的输入分辨率：如果您的模型的输入是图像，可以将输入图像的分辨率降低，从而减少显存占用率。

5. 使用分布式训练：将训练过程分布在多个GPU上可以减少单个GPU的显存占用率。

6. 优化模型：通过模型优化技术（如剪枝、量化等）可以减小模型的大小，从而减少显存占用率。

以上是一些可能的解决方法，您可以根据您的具体情况选择适合您的方法。