译者：bat67
最新版会在译者仓库首先同步。
在这个教程里，我们将学习如何使用数据并行（DataParallel）来使用多GPU。
PyTorch非常容易的就可以使用GPU，可以用如下方式把一个模型放到GPU上：
device = torch.device("cuda：0")
model.to(device)然后可以复制所有的张量到GPU上：
mytensor = my_tensor.to(device)请注意，调用my_tensor.to(device)返回一个GPU上的my_tensor副本，而不是重写my_tensor。我们需要把它赋值给一个新的张量并在GPU上使用这个张量。
在多GPU上执行前向和反向传播是自然而然的事。然而，PyTorch默认将只是用一个GPU。你可以使用DataParallel让模型并行运行来轻易的让你的操作在多个GPU上运行。
model = nn.DataParallel(model)这是这篇教程背后的核心，我们接下来将更详细的介绍它。
导入和参数
导入PyTorch模块和定义参数。