我正在使用Google Colab来训练我的模型。但是速度仍然很慢。所以有没有办法可以从两个不同的账户进行训练，然后再合并训练结果呢？

回答：

不，你不能在Colab上使用两个账户来训练同一个模型。Google Colab仅用于研究目的，不是用来训练大规模生产模型的。而且Colab每12小时会断开内核连接。

你可以选择在单台计算机上使用多个GPU来训练模型。Keras在使用TensorFlow作为后端时支持多GPU训练。但是在两台不同的计算机/虚拟机上进行训练是不可能的。反向传播时梯度如何流动呢？

虽然有一个解决方案，但不是端到端的方法。你可以将模型拆分为两个不同的模型，其中第一个模型的输出将成为第二个模型的输入，第二个模型将产生最终输出。为此，你需要为每个模型准备不同的训练集。

举个例子。假设你在构建一个面部识别器，模型接收原始摄像头图片并识别面部是“是”或“不是”。

你可以将这个大网络拆分为两个不同的网络，第一个网络的任务是裁剪面部并从图像中移除其他无用的东西，第二个网络则从裁剪后的图像中进行识别。

这不是端到端模型，你可以用不同的数据集在不同的机器上分别训练这两个模型，然后最终将它们合并在一起。这样通常更强大且更易于训练。