环境：CANN 8.2 RC1+torch_npu 7.2+torch 2.8，Ubuntu20.04

代码：Ultralytics库，使用transfer_to_npu工具一键迁移，然后手动加入了NPUFusedAdamW优化器和昇腾图优化

运行配置：910B2，单卡，

问题：使用编译后单步迭代耗时466ms，但是前向传播（图中torch compiled部分）27ms，反向传播约50ms，亲和优化器更新约2.9ms，其他时间不知道花在了哪里。此时NPU功耗180w/450w，核心占用率统计约占用30%。

请问如何进行优化以提高训练利用率？