显卡炼丹程序的使用方法如下：
后台运行炼丹程序
使用 `nohup` 命令在后台运行 Python 脚本，这样即使 SSH 连接断开，程序也会继续运行。命令如下：
```bash
nohup python -u main.py >out.log 2>&1 &
```
其中，`-u` 指令会让运行输出直接输出到 `stdout`，`>out.log` 将输出重定向到文件 `out.log`，`2>&1` 表示将标准错误输出也重定向到标准输出。
设置和使用 GPU
在 Python 代码中，可以使用 PyTorch 或其他深度学习框架来设置和使用 GPU。以下是一个使用 PyTorch 的示例：
```python
import torch
检查是否有可用的 GPU
device = torch.device（"cuda:0" if torch.cuda.is_available（） else "cpu"）
将数据转换成 CUDA 张量
for i, data in enumerate（trainloader, 0）:
input_data = data.to（device） 假设 data 是一个包含输入数据的元组
将模型放到 GPU 上
net = net.to（device）
```
如果需要指定其他 GPU，可以修改 `cuda:0` 中的数字，例如 `cuda:1` 表示使用第二张 GPU。
在服务器集群中使用 GPU
在大型机构的服务器集群中，如果第一张 GPU 被占用或显存不足，可以使用 `CUDA_VISIBLE_DEVICES` 环境变量来指定使用其他 GPU。例如：
```bash
export CUDA_VISIBLE_DEVICES="0,2,3"
```
这行代码必须在文件的最开头，在加载各种包之前设置，以确保后续代码能够看到指定的 GPU。
查看 GPU 使用情况
可以使用 `nvidia-smi` 命令来查看 GPU 的使用情况，包括显存占用情况：
```bash
nvidia-smi
```
通过以上步骤，你可以有效地使用显卡炼丹程序，并确保程序在 GPU 上运行，从而提高计算效率和实验效果。