1.单机多卡
第一种方法是nn.DataParallel(model, device_ids=devices, output_device=devices[0])
伪代码
devices = cudeviceutil.auto_alloc_device()
nn.DataParallel(model, device_ids=devices, output_device=devices[0])
将模型在devices中的所有GPU卡上进行模型训练，并在ouput_device上进行模型平均操作。
本方法的优缺点是：在各个GPU卡上的权重更新是相互独立的，需要等所有卡上的任务都完成后才能在output_device上进行模型平均操作。优点是：操作简单；缺点是：GPU卡之间需要相互等待，所以训练速度不快，GPU利用率比较低
这种方法在实现时是将模型放置在主GPU上，然后对它进行复制到其他GPU卡上，同时也是在主GPU上将数据拆分成多分，分发到其他GPU卡上，最终待这个batch的数据在各个GPU卡上都处理完之后，在主GPU卡上进行模型更新。因此需要将单机单卡的batchsize放大为n倍（n为使用的卡数），同时由于batchsize增大后模型收敛速度会变慢，需要将学习率适当调整放大一些
在训练过程中，一直是在主GPU卡上进行loss反向回传更新模型参数，之后将新的模型参数再分发到各个GPU卡上，继续进行下一个batch的forward，然后将所有机器上的loss汇总到主GPU卡上进行参数更新。即多个GPU卡只是加速了forward计算，模型迭代更新还是在一张卡上进行的。还是一组模型参数
由于数据分发和模型参数更新均在主GPU卡上进行，因此这种方法会导致主GPU卡上的负载远超于其他GPU卡上的显存负载，出现负载不均衡问题
第二种方法是nn.parallel.DistributedDataParallel(model, device_ids=[args.local_rank],find_unused_parameters=True) 可以解决GPU利用率比较低的问题及负载不均衡问题。构建更为同步的分布式运算
详细可参考：（个人感觉这个作者写的很详细）
https://www.cxyzjd.com/article/HUSTHY/108226256
