详细参考《动手学深度学习》P233，8.4节多GPU计算。

数据并行的方法

1. 把一个batch的所有数据平均分配到每块GPU的显存里，把模型参数在每个GPU显存上拷贝一份。
2. 每个GPU根据自己所分到的数据，计算本地梯度
3. 所有GPU的本地梯度相加（这里的梯度只是模型参数的梯度，不包括中间变量的梯度），得到总的梯度。（注意，梯度不用求平均，因为更新模型参数的时候，会除以batch_size，在那里做了平均）
4. 把总的梯度广播到每块GPU上，每块gpu用总的梯度更新模型参数。

for i in len(gpu_params[0])):
    allreduce((gpu[params[c][i].grad for c in range(len(ctx))])

如果把batch_size调大1倍，则学习率也需要调大一倍，因为模型更新的次数少了一倍。

CPU GPU同步数据

注意显存和内存的数据是存储在不同的地方，必须通过某些内置函数才能实现两者之间的数据拷贝。
比如训练样本数据，用CPU处理后，就需要把它拷贝到GPU上。
各个GPU也只能访问自己显存内的数据。