代码1：
use_gpu=False
place=flulid.CUDAPlace(0) if use_gpu else flulid.CPUPlace()
with flulid.dygraph.guard(place):
pass

代码2：
use_gpu=True
place=flulid.CUDAPlace(0) if use_gpu else flulid.CPUPlace()
with flulid.dygraph.guard(place):
pass

代码3
with flulid.dygraph.guard():
pass

代码1计算很慢
代码2和3计算速度一样，是不是如果本地有cuda动态图默认使用gpu？？？

是的，动态图可以自己判断，有gpu就优先用gpu，不用写place

太好，自适应就省得老改脚本了

方便一个项目跑模型，一个项目改脚本，毕竟只能开一个gpu～～

但是多个gpu时默认就用一个了吧～～

这就涉及单机多卡的操作了，只需要加一个多卡的spawn包裹语句就行了。

    import paddle.distributed as dist
    if __name__ == '__main__':
        dist.spawn(train)

另外飞桨2.0可以省略这句话了： 

with flulid.dygraph.guard():

这样写出来的代码更加流畅 

嗯，这个真是方便了。原来因为这个封装个类好麻烦