Opencv 我做完了。但是，这对您的性能有很大影响，因为您首先必须拆分数据，对其进行适当的排队，并多次将数据复制到GPU和从GPU复制数据，因此您可能会损失大量性能，这取决于您的数据

另一个解决方案是安装两个专用的GPU——一个作为系统GPU工作，另一个只是坐在那里处理你告诉它的数字。至少在Windows和Linux上，它可以完美地工作，无需禁用看门狗计时器。我不知道OSX是否也适用，因为我没有在Mac上使用多个CUDA GPU的经验。CUDA公开了一个功能，您可以在其中手动设置要使用的设备：

默认的GPU总是索引0，根据我的经验，它是由系统设置为当前显示设备的GPU。因此，将索引设置为1将使用系统当前未使用的GPU（请注意，我不确定SLI设置中的行为是否相同）。例如，我用于测试的Windows机器有一台8800GT作为显示设备，旁边有一台特斯拉C2075。两者都支持CUDA，因此手动将特斯拉设置为CUDA设备（索引1），这意味着显示设备不会冻结，因此看门狗也不会启动。同样的情况也发生在我的带有GTX680/TESLA k20C组合的linux机器上

值得注意的是，cudaSetDevice只知道CUDA设备-因此，如果您有集成GPU或AMD GPU以及Nvidia卡，则无法使用cudaSetDevice在它们之间进行切换。它将始终使用支持CUDA的设备，或者完全失败。据我所知，没有cv:：gpu:cudaSetDevice，因此我不知道是否可以将此函数与OpenCV代码一起调用。如果使用C而不是C++，则可以使用NVCC编译器，并在OpenCV函数之前调用一些本地CUDA（如CUDASETMIDE）函数。 然而，使用OpenCV，您对CUDA代码中发生的事情的控制要少得多（与编写自己的内核相比），并且可能无法实际分割数据并仍然获得令人满意的结果。那样的话，我认为你的问题没有解决办法。除此之外，OSX还喜欢根据MacBookPro上当前的工作负载在多个GPU之间切换

---

当我的MacBook pro出现这个问题时，我在我的训练营中安装了Windows7以及VS2010和CUDA工具包，禁用了看门狗定时器，并且运行得很好。这不是一个完美的解决方案，但至少它允许我在部署到测试服务器之前在本地开发CUDA代码。

非常感谢您的详细回答，Niklas。我的解决方案与你的非常相似，只是我用refit制作了rMBP双引导，并在另一个分区中使用Ubuntu。非常感谢你的详尽回答，Niklas。我的解决方案与你的非常相似，只是我用refit做了rMBP双引导，并在另一个分区中使用Ubuntu。