1：所有forward的输出必须参与到loss计算并回传
2：类似于layer_norm这样的操作是无需进行分布式通信的，也无法进行分布式通信，所以在DDP的时候必须把find_unused_parameters设置为True
3：当报错形式为如下时，即在某一个进程的显卡上没有接收到梯度
这个时候可以在命令行前面加上TORCH_DISTRIBUTED_DEBUG=DETAIL, 这样，将找出具体时哪些参数没有接收到梯度，以此更好的调整代码
4：关于0号卡的显存为什么远高于其他卡，需要设置
torch.cuda.set_device(rank)
torch.cuda.empty_cache()
一般设置在dist.init_process_grop之后（个人习惯），至于为什么，参考一下这篇文章
(4条消息) Pytorch清空显存缓冲区(torch.cuda.empty_cache)_pytorch 释放显存_hxxjxw的博客-CSDN博客
但实验发现，重点其实在torch.cuda.set_device(rank)，所以DDP一定要加这个代码，即使已经用了CUDA_VISIBLE_DEVICES
遇到在补充..........
