mindspore.communication.comm_func.recv

查看源文件
mindspore.communication.comm_func.recv(tensor, src=0, group=GlobalComm.WORLD_COMM_GROUP, tag=0)[源代码]

同步接收张量到指定线程。

说明

Send 和 Receive 算子需组合使用，且有同一个 tag。 输入的 tensor 的shape和dtype将用于接收张量，但 tensor 的数据值不起作用。 当前支持PyNative模式，不支持Graph模式。

参数：

  • tensor (Tensor) - 输入Tensor。Tensor的shape为 \((x_1, x_2, ..., x_R)\) 。 输入的 tensor 的shape和dtype将用于接收张量，但 tensor 的数据值不起作用。

  • src (int，可选) - 表示发送源的进程编号。只会接收来自源进程的张量。默认值：0。

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

  • tag (int，可选) - 用于区分发送、接收消息的标签。该消息将被接收来自相同 tag 的Send发送的张量。默认值：0。

返回：

Tensor，其shape为 \((x_1, x_2, ..., x_R)\)。

异常：

  • TypeError - src不是int或group不是str。

  • ValueError - 如果该线程的rank id 大于通信组的rank size。

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
>>> from mindspore.communication import init
>>> from mindspore.communication.comm_func import send, recv
>>> from mindspore.communication import get_rank, get_group_size
>>>
>>> np.random.seed(1)
>>> init()
>>> rank = get_rank()
>>> size = get_group_size()
>>> x = np.ones([2, 2]).astype(np.float32) * 0.01 * (rank + 1)
>>> x2 = np.ones([2, 2]).astype(np.float32)
>>>
>>>
>>> if rank < size / 2:
>>>     _x = ms.Tensor(x)
>>>     send(_x, rank + size // 2)
>>> else:
>>>     _x2 = ms.Tensor(x2)
>>>     output = recv(_x2, rank - size // 2)
>>>     print(output)
[[0.01  0.01]
[0.01  0.01]]