Эффективный метод обучения, когда размер партии равен 1 керасу (память и скорость)

Question

Я должен исправить и обучить размер партии до 1 из-за характеристик данных. Когда я ставлю свою модель на GPU, я получаю ошибку памяти. Количество параметров мало.

Когда я ставлю свою модель на процессор и вычисляю пакет с помощью gpu, скорость замедляется.

Как я могу решить эту проблему в Керасе?

Мой код ниже.

Модель на CPU и обучение с использованием GPU -> Слишком медленно (потому что размер пакета равен 1)

with tf.device('/cpu:0'):
        capsule_model = CapsNet_Fully(height=x_train[0].shape[0], n_class=n_class, args=args)

Модель на GPU и обучение с использованием GPU -> проблема с частями памяти

with K.tf.device('/gpu:0'):
            capsule_model = CapsNet_Fully(height=x_train[0].shape[0], n_class=n_class, args=args)

Я уже попробовал этот вариант GPU.

gpu_options = tf.GPUOptions(allow_growth=True)

Моя память о GPU составляет 11 ГБ..

Как я могу справиться с этой проблемой?