1. 在深度学习训练过程中，GPU使用率一般会非常高，甚至可以达到99%。这是因为深度学习训练需要大量的计算资源，而GPU能够提供高效的并行计算，使得训练速度更快。

2. 但是，GPU使用率过高也可能会带来一些问题。首先，如果GPU使用率一直保持在100%，可能会导致GPU过热，从而影响GPU寿命。其次，如果GPU使用率过高，会导致系统卡顿，甚至崩溃。因此，在使用GPU进行深度学习训练时，需要合理地调整GPU的使用率。

3. 如何调整GPU使用率呢？一般来说，可以通过在训练代码中添加一些限制GPU使用率的代码来实现。比如，在tensorflow中，可以使用tf.compat.v1.ConfigProto和tf.compat.v1.Session来限制GPU使用率。具体做法是设置GPU占用比例，让GPU只占用一部分计算资源。

4. 另外，还可以通过调整batch size来间接控制GPU的使用率。一般来说，batch size越大，GPU使用率越高。因此，可以逐步增大batch size，直到GPU使用率达到一个合理的值为止。同时，也可以调整学习率等参数来控制GPU使用率，使得训练过程更加稳定。

5. 总之，GPU使用率是深度学习训练过程中一个非常重要的指标。合理地调整GPU使用率可以提高训练速度，同时也可以保护GPU不受损伤。因此，在进行深度学习训练时，一定要注意合理地调整GPU使用率。