mindspore.communication.comm_func.all_gather_into_tensor

mindspore.communication.comm_func.all_gather_into_tensor(tensor, group=GlobalComm.WORLD_COMM_GROUP, async_op=False)

汇聚指定的通信组中的Tensor，并返回汇聚后的张量。

说明

• 集合中所有进程的Tensor必须具有相同的shape和格式。

参数：

• tensor (Tensor) - 输入待汇聚操作的Tensor，Tensor的shape为 \((x_1, x_2, ..., x_R)\) 。

• group (str，可选) - 工作的通信组，默认值： GlobalComm.WORLD_COMM_GROUP （即Ascend平台为 "hccl_world_group" ，GPU平台为 "nccl_world_group" ）。

• async_op (bool, 可选) - 本算子是否是异步算子。默认值： False 。

返回：

Tuple(Tensor, CommHandle)，如果组中的device数量为N，则输出Tensor的shape为 \((N, x_1, x_2, ..., x_R)\) 。 若 async_op 是True，CommHandle是一个异步工作句柄。若 async_op 是False，CommHandle将返回None。

异常：

• TypeError - 首个输入的数据类型不为Tensor，group 不是str。

• ValueError - 调用进程的rank id大于本通信组的rank大小。

• RuntimeError - 如果目标设备无效，或者后端无效，或者分布式初始化失败。

支持平台：

Ascend

样例：

说明

运行以下样例之前，需要配置好通信环境变量。

针对Ascend/GPU/CPU设备，推荐使用msrun启动方式，无第三方以及配置文件依赖。详见 msrun启动 。

该样例需要在2卡环境下运行。

>>> import numpy as np
>>> import mindspore as ms
>>> import mindspore.communication as comm
>>>
>>> ms.set_context(mode=ms.GRAPH_MODE)
>>> comm.init()
>>> input_tensor = ms.Tensor(np.ones([2, 8]).astype(np.float32))
>>> output = comm.comm_func.all_gather_into_tensor(input_tensor)
>>> print(output)
[[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]]