mindspore.mint.distributed.irecv

mindspore.mint.distributed.irecv(tensor, src=0, group=None, tag=0)

异步接收张量到指定线程。

说明

当前支持PyNative模式，不支持Graph模式。

参数：

• tensor (Tensor) - 接收发送方数据存入Tensor。Tensor的shape为 \((x_1, x_2, ..., x_R)\) 。

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

• 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 。当前为预留参数。

返回：

CommHandle，CommHandle是一个异步工作句柄。

异常：

• TypeError - tensor 不是Tensor， 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。

>>> from mindspore.mint.distributed import init_process_group
>>> from mindspore.mint.distributed import irecv
>>> from mindspore import Tensor
>>> import numpy as np
>>>
# Launch 2 processes.
Process 0 send the following array to Process 1
[[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]]
>>> init_process_group()
>>> x = Tensor(np.zeros([2, 8]).astype(np.float32))
# Process 1 receive tensor from Process 0.
>>> handle = irecv(x, src=0)
>>> handle.wait()
>>> print(x)
[[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]]