工作站中有两块GPU，单独一块GPU训练会出现内存溢出。怎样同时使用两块GPU训练一个深度学习程序呢？

可以使用数据并行的方法，将数据分成多份，分别送到两块GPU上进行计算，最后将结果合并。具体的实现方法可以使用深度学习框架提供的多GPU训练功能，例如TensorFlow和PyTorch都支持多GPU训练。在TensorFlow中，可以使用tf.distribute.Strategy来实现多GPU训练，而在PyTorch中，则可以使用torch.nn.DataParallel将模型复制到多个GPU上进行训练。需要注意的是，在使用多GPU训练时，需要调整batch size和learning rate等参数，以保证训练效果和速度。