我现在有四块显卡，如何默认多卡并行

如果你想要利用多块显卡进行并行计算，特别是涉及到深度学习或其他GPU密集型任务时，通常会使用CUDA（Compute Unified Device Architecture）或者其他支持多GPU编程的框架，如PyTorch的DataParallel或者TensorFlow的tf.distribute.MirroredStrategy。

以下是使用PyTorch的一个例子：

import torch
from torch.nn.parallel import DataParallel

# 确保模型是 nn.Module 的子类
model = YourModel() # 将YourModel替换为你的实际模型类
model = DataParallel(model)  # 默认情况下，模型的所有层都将分布在所有可用的GPU上

# 训练过程
optimizer = torch.optim.SGD(model.parameters(), lr=0.001)
for epoch in range(num_epochs):
    for data, target in train_loader:
        optimizer.zero_grad()
        output = model(data)  # 数据会在多个GPU之间自动分发
        loss = criterion(output, target)
        loss.backward()
        optimizer.step()

在这个示例中，`DataParallel`会自动复制模型并在每个GPU上执行计算，然后合并结果。记得在训练之前检查设备设置，并可能需要调整batch size以充分利用多GPU的优势。