mindspore.communication.comm_func.batch_isend_irecv

mindspore.communication.comm_func.batch_isend_irecv(p2p_op_list)

异步地发送和接收张量。

说明

• 不同设备中， p2p_op_list 中的 P2POp 的 "isend 和 "irecv" 应该互相匹配。

• p2p_op_list 中的 P2POp 应该使用同一个通信组。

• 暂不支持 p2p_op_list 中的 P2POp 含有 tag 入参。

• p2p_op_list 中的 P2POp 的 tensor 的值不会被最后的结果原地修改。

• 仅支持PyNative模式，目前不支持Graph模式。

参数：

• p2p_op_list (P2POp) - 包含 P2POp 类型对象的列表。 P2POp 指的是 mindspore.communication.comm_func.P2POp。

返回：

Tuple(Tensor)。根据 p2p_op_list 中的 P2POp 的发送/接收顺序，得到的接收张量元组。 当 P2POp 为发送时， 相应位置的结果是没有意义的张量。 当 P2POp 为接收时， 相应位置的结果是从其他设备接收到的张量。

异常：

• TypeError - p2p_op_list 中不全是 P2POp 类型。

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
>>>
>>> comm.init()
>>> this_rank = comm.get_rank()
>>> world_size = comm.get_group_size()
>>> next_rank = (this_rank + 1) % world_size
>>> prev_rank = (this_rank + world_size - 1) % world_size
>>>
>>> send_tensor = ms.Tensor(this_rank + 1, dtype=mindspore.float32)
>>> recv_tensor = ms.Tensor(0., dtype=mindspore.float32)
>>>
>>> send_op = comm.comm_func.P2POp('isend', send_tensor, next_rank)
>>> recv_op = comm.comm_func.P2POp('irecv', recv_tensor, prev_rank)
>>>
>>> p2p_op_list = [send_op, recv_op]
>>> output = comm.comm_func.batch_isend_irecv(p2p_op_list)
>>> print(output)
rank 0:
(Tensor(shape=[], dtype=Float32, value= 0), Tensor(shape=[], dtype=Float32, value= 2))
rank 1:
(Tensor(shape=[], dtype=Float32, value= 0), Tensor(shape=[], dtype=Float32, value= 1))