问如何同时使用CUDA代码加速Tensorflow-gpu

EN

@talonmies评论的稍长版本：

GPU是很棒的，但是他们仍然有有限的资源。任何使用GPU的合格的应用程序都将尽最大努力使设备饱和，为其他应用程序留下很少的资源。事实上，优化GPU代码的目标和挑战之一--无论是着色器、CUDA还是CL内核--都是确保尽可能高效地使用所有CU。

假设TF已经在这样做:当运行另一个GPU重的应用程序时，或者您正在共享一个已经在全力运行的资源。所以事情变慢了。

一些备选办法是：

1. 得到第二个或更快的GPU。
2. 优化了您的CUDA内核，以减少需求并简化TF内容。在为GPGPU开发时，这一点总是很重要的，但是它不太可能帮助您解决当前的问题。
3. 不同时运行这些东西。这可能会比目前这种准时间切片的情况稍微快一些。