主要有以下几点：
1. 安装PyTorch
需要安装PyTorch，可以从官网下载最新版本的PyTorch，安装包支持Linux、Windows和Mac OS X操作系统。安装完成后，可以使用Python脚本进行简单的测试，以确保安装成功。
2. 加载多GPU
在进行多GPU训练之前，需要加载多个GPU，可以通过CUDA_VISIBLE_DEVICES环境变量来设置可用的GPU。例如，可以使用以下命令来设置可用的GPU为GPU 0和GPU 1：
export CUDA_VISIBLE_DEVICES=0,1
3. 创建DataParallel模型
可以创建一个DataParallel模型，它可以将模型的参数分布在多个GPU上。可以使用以下代码来创建一个DataParallel模型：
model = nn.DataParallel(model)
4. 同步多GPU
在训练多GPU模型时，需要同步多个GPU的梯度，这样才能保证模型的正确性。可以使用以下代码来同步多个GPU：
model.module.synchronize()
5. 训练模型
可以使用多GPU训练模型。可以使用以下代码来训练模型：
model.fit(x, y)
上述步骤就是，可以根据实际需要进行调整。