在PyTorch中使用GPU进行训练非常简单，只需按照以下步骤操作：

检查是否有可用的GPU设备：

import torch
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print('Using device:', device)

将模型和数据加载到GPU设备上：

model = YourModel().to(device)
data = YourDataLoader().to(device)

在训练过程中将输入数据和模型参数发送到GPU：

for inputs, labels in data:
    inputs, labels = inputs.to(device), labels.to(device)
    outputs = model(inputs)
    loss = criterion(outputs, labels)
    
    # 后续训练步骤

在优化器中设置使用GPU：

optimizer = torch.optim.SGD(model.parameters(), lr=0.001)

在训练过程中将梯度计算和参数更新发送到GPU：

optimizer.zero_grad()
loss.backward()
optimizer.step()

通过上述步骤，就可以很方便地在PyTorch中使用GPU进行模型训练。