2. (直接修改法)通过修改default.yaml文件，设置多卡(GPU)使用方法后面修改直接找到这个yaml文件进行修改即可

在某些深度学习框架如PyTorch或TensorFlow中，如果你需要配置模型在多GPU设备上运行，通常会在项目的配置文件（如`default.yaml`、`config.py` 或 `train_config.json`等）中进行相应的设置。这个文件是用来管理训练过程中的超参数和资源分配的。

在`default.yaml`文件中，你可以找到类似这样的部分：

trainer:
  gpus:
    - 0  # 使用第一个GPU
    - 1  # 如果有多个GPU，可以添加更多
  distributed_backend: dp  # 选择分布式策略，如dp表示数据并行

# 其他可能的配置选项
optimizer:
  learning_rate: 0.001

要修改为多卡使用，只需将`gpus`数组中的元素改为你需要使用的GPU ID列表。例如，如果你想让模型同时使用GPU 0 和 GPU 1，就改成：

trainer:
  gpus:
    - 1

完成后保存文件，然后在你的脚本中加载这个配置，并开始训练过程。记得根据实际的硬件环境调整配置，避免资源冲突。