他把加载改成流式，每次只读当前批次需要的部分，内存占用降了七成。

然后是计算图。

原来的实现里，特征融合那一段反复调用了三次相同的矩阵运算，结果每次都重新算一遍。

他把中间结果缓存起来，只算一次，后面直接查表，推理时间从零点八秒降到零点三秒。

最后是训练循环。

原来的代码每迭代一步就更新一次权重，梯度波动大，收敛慢。