Pytorch是常用的深度学习框架之一，训练神经网络模型时，多个GPU并行能大大提高训练速度。本经验介绍了Pytorch如何使用多个GPU并行
工具/原料
1
Pytorch
2
GPUs
方法/步骤
1
将已经实例化的模型在多个GPU上并行，只需要使用nn.DataParallel(model)方法即可，可用torch.cuda.device_count()检查GPU的个数
2
nn.DataParallel中的参数有三个，第一个是需要并行的模型，第二个是并行所使用的GPU列表（默认使用所有可用GPU），第三个是模型输出所在的device编号（可以是cpu，默认是GPU0）
3
为了验证并行效果，我们定义一个打印输入和输出大小的模型，我们使用了2个GPU并行该模型
4
使用任意一个数据集，在模型输出结果后，我们再打印出输出结果的大小，与模型中的打印结果进行对比
5
In Model是模型内打印的结果，Outside为模型外打印的结果。对比发现Outside的batch大小为所有In Model之和，代表一个batch的数据被平均分到每个并行的GPU进行计算，之后再合并输出结果
注意事项
感谢您的认真阅读，觉得有帮助就投票点个赞吧~
下一篇：好吃的孜然牙签里脊