在 ModelScope 中，可以通过 strategy 参数指定分布式训练策略。如果不指定分布式训练策略，则代码默认使用单机训练策略。

以下是一个使用 ModelScope 进行模型分割并行训练的示例代码：

import tensorflow as tf

创建一个 ModelScope

with tf.distribute.ModelScope(strategy='multi_worker_mirrored') as scope:

创建一个模型

model = tf.keras.Sequential([
tf.keras.layers.Dense(10),
tf.keras.layers.Dense(10)
])

训练模型

model.fit(data)
通过这种方式，可以将模型分割为多个部分，并在多个设备上并行训练。这样可以加快模型训练速度。