您无需通过 SLI 连接 GPU。Keras 和 TensorFlow 将负责跨 GPU 分配批次

https://keras.io/utils/#multi_gpu_model

除了 SLI，如果你使用 NV-link，Keras 也可以使用 GPU 进行合并。 https://www.nvidia.com/en-us/data-center/nvlink/

从文档中：

具体来说，这个函数实现了单机多GPU数据并行。它的工作方式如下：

将模型的输入分成多个子批次。在每个子批次上应用模型副本。每个模型副本都在专用 GPU 上执行。将结果（在 CPU 上）连接成一个大批次。例如，如果您的 batch_size 是 64 并且您使用 gpus=2，那么我们会将输入分成 32 个样本的 2 个子批次，在一个 GPU 上处理每个子批次，然后返回全部 64 个已处理样本的批次。

这会导致多达 8 个 GPU 的准线性加速。

此功能暂时仅适用于 TensorFlow 后端。