paddlepaddle设置两块GPU实现并行训练

对于使用 PaddlePaddle 进行并行训练，你可以通过设置环境变量 `CUDA_VISIBLE_DEVICES` 来指定可见的 GPU 设备。以下是一种设置两块 GPU 实现并行训练的方法：

import os
import paddle

# 设置环境变量 CUDA_VISIBLE_DEVICES
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'  # 指定使用的 GPU 设备编号，这里使用 GPU 0 和 1

# 定义模型和数据处理逻辑
model = paddle.Model(...)
...

# 配置并行训练参数
parallel_config = paddle.DataParallelConfig()
parallel_config.use_gpu = True
parallel_config.gpu_devices = [0, 1]  # 指定使用的 GPU 设备编号

# 启动并行训练
model.prepare(paddle.optimizer.Adam(...),
              paddle.nn.CrossEntropyLoss(),
              paddle.metric.Accuracy(),
              parallel_config=parallel_config)

# 开始训练
model.fit(train_data=..., 
          eval_data=...,
          epochs=...)

在上述代码中，通过 `os.environ['CUDA_VISIBLE_DEVICES']` 设置 `CUDA_VISIBLE_DEVICES` 环境变量为 `'0,1'`，即使用两块 GPU（设备编号为 0 和 1）进行训练。然后，通过 `paddle.DataParallelConfig()` 配置并行训练参数，并将其传递给 `model.prepare()` 方法，从而启动并行训练。最后，调用 `model.fit()` 方法开始训练。

注意：确保你的系统中有两块可用的 GPU 设备，并且已正确地安装了相应的 CUDA 和 cuDNN 版本。