我正在使用具有100个并行线程的A3C体系结构。我有2张Nvidia 1080ti卡。但是我的初始模型运行在单个GPU上。通过一些扩展，我的新模型太重了，无法在单个卡上运行。由于A3C方法是无异步模型的RL方法，因此我使用模型并行性。这意味着我使用 tf.device（）在两个GPU中分配了不同的操作。但是我观察到它非常慢，并且大多数情况下操作失败。
答案 0 :(得分：1)
使用多个GPU的理想方法是将整个图形的实例分别展开到每个GPU。
现在，不要运行常规的优化器minimize op。使用tf.gradients()，然后在所有GPU上使用tf.reduce_mean()，计算每个卡的梯度，然后将平均梯度应用到使用optimizer.apply_gradients()。
根据您的网络规模，在多个GPU之间同步梯度更新步骤将非常昂贵，您可以执行多次前向后向传播，收集梯度并在{ {1}}步骤。
Here's Tensorflow的使用多GPU的官方代码。
由于拥有多个角色，因此您还可以将前50个角色分配给GPU1，并将后50个角色分配给GPU2。然后，您可以在几次迭代后求出梯度的平均值。
我还建议在CPU和GPU之间使用队列，以最小化RAM和VRAM之间的k成本。 Here's是Nvidia的一个很好的存储库（和论文），用于在GPU上相当强大地实现A3C。
或者考虑使用Impala之类的更新的演员评论器体系结构，该体系结构显示出资源和时间效率更高。