yolov5 device参数设置多个gpu

在使用多个GPU进行计算时，可以使用`torch.nn.DataParallel`模块将模型并行化，从而实现多个GPU的并行计算。具体代码如下：

import torch.nn as nn
import torch

# 定义YoloV5模型
class YoloV5(nn.Module):
    def __init__(self):
        super(YoloV5, self).__init__()
        ...
        
    def forward(self, x):
        ...
        
model = YoloV5()

# 将模型复制到多个GPU上
if torch.cuda.device_count() > 1:
    print("Let's use", torch.cuda.device_count(), "GPUs!")
    model = nn.DataParallel(model)

# 将模型移动到GPU上进行计算
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
model.to(device)

在上述代码中，如果检测到有多个GPU可用，则将模型放到多个GPU上进行并行计算，否则仅使用一个GPU进行计算。注意，如果使用`nn.DataParallel`模块，则需要在模型的`forward`函数中使用`nn.parallel.data_parallel`函数来实现多个GPU的并行计算。