Question 训练速度过慢

我正在使用qwen3作为基模，基于你们提供的vlnce数据集和示例代码进行训练（我对代码简单做了一些qwen3 api兼容）。torch为2.8 cuda为12.8.
我当前使用4张h100，单卡batchsize为2,两个epoch总共需要783608个step，这是对的吗？我单step训练时间为3秒（有时会卡一下到10-20秒之间），这正常吗？