mindspore.mint.distributed.all_gather_into_tensor

mindspore.mint.distributed.all_gather_into_tensor(output_tensor, input_tensor, group=None, 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：

• output_tensor (Tensor) - 输出待汇聚操作的Tensor，如果组中的device数量为N，则输出Tensor的shape为 \((N*x_1, x_2, ..., x_R)\) 。

• input_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) - 通信组名称，如果为 None ，Ascend平台表示为 "hccl_world_group" 。 默认值： None 。

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

返回：

CommHandle，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 - output_tensor 或 input_tensor 输入的数据类型不为Tensor， group 不是str， async_op 不是bool。

• 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 import mint
>>> from mindspore.mint.distributed import init_process_group
>>> from mindspore.mint.distributed import all_gather_into_tensor
>>> from mindspore import Tensor
>>>
>>> ms.set_context(device_target="Ascend")
>>> init_process_group()
>>> input_tensor = Tensor(np.ones([2, 8]).astype(np.float32))
>>> out_tensor = Tensor(np.zeros([4, 8]).astype(np.float32))
>>> output = all_gather_into_tensor(out_tensor, input_tensor)
>>> print(out_tensor)
[[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.]]