PyTorch作为一个广泛应用于人工智能领域的机器学习框架，充分利用现代计算机硬件尤其是显卡来加速计算过程。具体到您的问题是有关PyTorch对于显卡的要求和兼容性，这里有几个关键要点：
1. NVIDIA显卡要求：最常见的是NVIDIA系列显卡。这主要是因为PyTorch主要通过CuDNN（NVIDIA的深度神经网络库）来实现其CUDA加速部分，从而利用这些显卡的强大性能进行计算优化。
2. CUDA支持：由于PyTorch依赖于CUDA平台进行硬件加速（尤其是在训练深度学习模型过程中），用户需要确认显卡和相关驱动程序对CUDA有足够的支持。CUDA是专为 NVIDIA GPU设计的一套编程模型以及一系列工具和库。
3. 显存大小：深度学习模型可能占用很大的显存资源，包括但不限于模型参数、激活值以及中间计算结果等。因此，显卡上拥有的显存大小将对模型的复杂度以及能够同时加载的数据批量数量有很大影响。
4. 其它厂商：
AMD：虽然不直接支持通过传统的PyTorch流程使用AMD GPU，但通过诸如 ROCm（ROCm是AMD为机器学习应用开发的一种开源软件平台）之类的软件包可能会实现兼容性。
对于其他特定品牌的显卡，可能需要寻找相应的优化工具或第三方扩展来增强对特定硬件的支持，例如上面提到的开发者的消息提到的一个例子就是PyTorch对Intel独立显卡的支持。
如果你希望同时在两块显卡上运行PyTorch应用，则通常可以修改代码，指定使用哪个设备，或配置多个GPU进行分布式训练或推理。要实现这一点通常涉及到一些设备管理和多设备训练的具体代码操作，PyTorch提供了相应的工具来进行管理。
对于具体的硬件配置建议及使用双显卡策略等技术细节，你将需要根据你的特定需求与硬件配置进行详细规划，并有可能涉及特定的编程技术或第三方软件的支持。如果你有更多的具体场景和技术上的疑问，我很愿意进一步为你解答。
发表评论