0、1和2个GPU的意外运行时间

Question

我在两个系统上尝试tensorflow's cifar10-estimator model来评估其GPU性能。配置为：

• PC＃1是较旧的系统，带有1个GTX 1080 Ti GPU，并且是配置了Tensorflow 1.12.2，Cuda Toolkit 9.0.176，CuDNN 7.3.0和Nvidia显示驱动程序385.54的Windows 10操作系统。 Python版本是3.6.5。
• PC＃2是带有2个RTX 2080 Ti GPU的较新系统，并且是使用Tensorflow 1.14.0，Cuda Toolkit 10.0.130，CuDNN 7.6.3，Nvidia显示驱动程序430.34和Python版本配置的Unix Centos 7操作系统。 2.7.5。

我按照上面链接的自述页面中指定的说明和命令详细信息进行操作。仅对于cpu设置（--num_gpus = 0），对于PC＃1，训练速度从大约26个示例/秒开始，但是对于PC＃2，仅9个示例/秒（这是有问题的）。对于一个GPU设置（--num_gpus = 1），最后的训练速度（1000步）对于PC＃1是1940个示例/秒，对于PC＃2是2400个示例/秒（很好！）。但是对于两个GPU（仅在PC＃2上进行了测试），性能与一个GPU（我没想到的）大致相同。

是否有任何指南或解释来理解差异并可能解决问题？