在 Windows 的后台训练网络模型时，训练速度会变慢，时间也会增加

问：

我使用 python 编写了一个深度神经网络模型，并在 Windows11 中对其进行了训练。在使用 vscode 和 pycharm 运行程序的过程中，我发现当程序切换到后台时，训练速度变慢，训练时间增加。

例如，当我当前窗口从 vscode 切换到 edge 浏览器并在那里停留几分钟时，vscode 的训练速度变慢，散热风扇没有发出任何声音，说明 GPU 正在休息;当我切换回 vscode 时，冷却风扇正在快速旋转，这表明 GPU 正在工作。

以下是同一程序经过多次实验后得到的记录：

order=000, avg_psnr=33.275, cur_time: 2023-11-15 19:46:29
order=001, avg_psnr=33.584, cur_time: 2023-11-15 19:56:36
order=002, avg_psnr=33.388, cur_time: 2023-11-15 20:01:05
order=003, avg_psnr=33.493, cur_time: 2023-11-15 20:06:26
order=004, avg_psnr=33.581, cur_time: 2023-11-15 20:13:29
order=005, avg_psnr=33.410, cur_time: 2023-11-15 20:17:28
order=006, avg_psnr=33.253, cur_time: 2023-11-15 20:27:00
order=007, avg_psnr=33.232, cur_time: 2023-11-15 20:30:35

在每个实验中，网络的参数都是相同的。从理论上讲，如果分配相同的 CPU 和内存资源，则每次运行时间应该非常接近。但在上述记录中，每个实验所花费的时间差异很大，有时长达10分钟，有时只有3分钟。

我想知道一种方法，既能使网络训练保持稳定的速度，又不会因程序切换而增加网络训练时间。