我重新安装了Jupyter Notebook内核和python包，包括tensorflow 2.4.1（使用miniconda env）。
当我训练和测试一个模型时，我的CPU使用率达到饱和。在我的旧安装中，这种情况不会发生（低CPU使用率），完成任务的时间几乎相同。
我在Jupyter笔记本和VSCode上测试过，同样的问题也出现了。Ubuntu 20.04 16 GB RAM英特尔®酷睿™ i5- 8300 H CPU@2.30GHz × 8
CPU usage when training a simple network model - htop view

编辑：条件已解决。

我在英特尔网站上做了深入的研究，发现了这个link，关于Tensorflow和openMP的线程配置。我运行了一些快速测试，改变了下面的Tensorflow 2.x部分参数，没有任何改进。

import tensorflow as tf
tf.config.threading.set_inter_op_parallelism_threads() 
tf.config.threading.set_intra_op_parallelism_threads()
tf.config.set_soft_device_placement(enabled)

然后测试OpenMP设置，将OMP_NUM_THREADS从0更改为8，如下图所示：
training time vs OMP_NUM_THREADS

import os
os.environ["OMP_NUM_THREADS"] = “16”

CPU使用率降低，培训时间缩短。
CPU usage for OMP_NUM_THREADS equal to 0
OBS.：我不是ML基准测试Maven。只是修正了keras.Sequential()模型的网络训练参数和拓扑。不知道为什么我的CPU默认以最大OMP_NUM_THREADS=16线程化。