系统信息

• 是否编写了自定义代码(与使用TensorFlow提供的库存示例脚本相反):是
• OS平台和发行版(例如，Linux Ubuntu 16.04):Linux Ubuntu 20.04
• 从哪里安装的TensorFlow(源代码或二进制文件):二进制文件
• TensorFlow版本(请使用以下命令):v1.12.1-69032-gfb972503145 2.8.0-dev20211220
• Python版本：3.9
• Bazel版本(如果从源代码编译):3.7.2
  描述当前行为

当使用具有2个物理显卡的PluggableDevice插件时，会调用memcpy_dtod函数。然而，即使src和dst内存区域来自不同的设备，该函数也只有一个SP_Device作为参数。

描述预期行为

在进行跨适配器复制的情况下，memcpy_dtod函数应该有两个SP_Device参数，以便给插件一个处理跨设备复制的机会。

Contributing

• 您是否想提交PR?(是/否):是
• 如果要贡献，简要描述您的候选解决方案：添加一个用于跨设备内存复制的memcpy_dtod_cross_adapter函数，或者向memcpy_dtod添加第二个SP_Device参数(尽管后者不会向后兼容)。
  重现问题的独立代码

import tensorflow as tf

tf.compat.v1.disable_eager_execution()

a = tf.compat.v1.placeholder(dtype=tf.float32, shape=[3,1])
a_values = [[1],[2],[3]]

b = tf.compat.v1.placeholder(dtype=tf.float32, shape=[3,1])
b_values = [[4],[6],[11]]

c = tf.compat.v1.placeholder(dtype=tf.float32, shape=[1,3])
c_values = [[2,4,5]]

with tf.device("/device:CUSTOM:0"):
    y1 = tf.raw_ops.AddN(inputs=[a,b], name="MyAdd")
with tf.device("/device:CUSTOM:1"):
    y2 = tf.raw_ops.MatMul(a=y1, b=c, name="MyMultiply")

with tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True)) as s:
    print(s.run(y2, feed_dict={a:a_values, b:b_values, c:c_values}))