epl单机单卡和单机多卡训练step如何理解

单机单卡：
启动命令：TF_CONFIG='{"cluster":{"worker":["127.0.0.1:49119"]},"task":{"type":"worker","index":0}}' CUDA_VISIBLE_DEVICES=0 bash ./scripts/train_dp.sh

单机双卡：
启动命令：TF_CONFIG='{"cluster":{"worker":["127.0.0.1:49119"]},"task":{"type":"worker","index":0}}' CUDA_VISIBLE_DEVICES=0,1 bash ./scripts/train_dp.sh

代码修改了一下：去掉了last_step限制，数据集repeat=10，将txt改为py，可执行。
[resnet_dp.txt](https://github.com/alibaba/EasyParallelLibrary/files/12671704/resnet_dp.txt)

想请教下，这个如何理解呢？每个卡分别跑了10step？

Commencez par scripts/train_dp.sh et l’exemple joint resnet_dp.txt/resnet_dp.py, puis comparez les commandes pour un seul GPU et pour deux GPU avec le nombre d’étapes indiqué pour chacune. Documentez comment dataset repeat, la configuration des workers et l’exécution par périphérique influencent le nombre d’étapes ; le travail est considéré comme terminé lorsque l’issue contient une explication claire étayée par les exécutions observées.

Rédigé par le modèle d'indexation à partir du texte de l'issue.