多块GPU并行计算 pytorch

1. 指明要是用的GPU

import os

os.environ["CUDA_VISIBLE_DEVICES"]="0,1,3"

  上述代码说明，给本程序分配了编号“0，1，3”的三块GPU可供使用

  PS： 本机必须是有上述声明的显卡，否则在使用时会出错

          RuntimeError: cuda runtime error (38) : no CUDA-capable device is detected at ..\aten\src\THC\THCGeneral.cpp:50

2. GPU并行

     PyTorch提供相应的函数，可实现简单高效的并行GPU计算。
     class torch.nn.DataParallel(module, device_ids=None, output_device=None, dim=0)

     通过device_ids参数可以指定在哪些GPU上进行优化，返回一个新的module

import torch.nn as nn

model=Net()   # 定义模型
model=nn. DataParallel(model,device_ids=[0,1])
model.cuda()

   DataParallel并行的方式，是将输入一个batch的数据均分成多份，分别送到对应的GPU进行计算，各个GPU得到的梯度累加。