使用CUDA，多gpu cuda设置上的所有GPU都必须是同一型号的GPU吗？
例如，我现在有一个Geforce 950。如果我再拿几张卡，它们都必须是950s吗？ （如果是这样，我是否必须与同一制造商呆在一起？）
答案显示如何在每个GPU上控制CUDA（假设GPU都是具有相同计算级别的CUDA），并确认我可以购买不同型号的NVIDIA卡（在我花费300美元之前）并安装<相同的CUDA安装（因为CUDA工具在每台机器上编译）就足够了。
所以，例如，一个答案向我展示了如何使用tensorflow .py脚本并在我的电路板上使用CUDA命令在我的电路板上的三个GPU之一运行它也会很好（为了这个问题;我想我现在肯定有足够的工作来找出答案）。
我认为这与CUDA软件如何处理硬件有关，而且在超级用户上不合适;但我很乐意改变它。
答案 0 :(得分：3)
答案是：您可以处理您想要的每一个不同的CUDA GPU。 只要您管理它们，您的应用程序就可以在CUDA中处理多个不同的图形卡和多个不同的GPU。
查看来自Nvidia的CUDA Faq部分＆＃34;硬件和架构＆＃34;以及Multi-GPU slide。
问：CUDA是否在一个系统中支持多个显卡？
是。应用程序可以跨多个GPU分配工作。但是，这不是自动完成的，因此应用程序具有完全控制权。参见＆＃34; multiGPU＆＃34; GPU计算SDK中的示例，用于编程多个GPU的示例。
答案 1 :(得分：1)
它们不必是完全相同的卡（型号或制造商），但如果它们具有相同的计算能力，则更好（从开发角度来看）。
您可以使用cudaSetDevice等功能完全控制工作共享，具体记录为here
答案 2 :(得分：0)
祝你在非NVIDIA卡上运行CUDA好运，但实际制作者是谁（EVGA，MSI等）无关紧要。
这将回答你的问题（有关如何实现内容的例子）：
http://www.nvidia.com/docs/IO/116711/sc11-multi-gpu.pdf
编辑添加：
简短回答：没关系。这不是SLI。