mindspore.mint.distributed.reduce

查看源文件
mindspore.mint.distributed.reduce(tensor, dst, op=ReduceOp.SUM, group=None, async_op=False)[源代码]

规约指定通信组中的张量，并将规约结果发送到目标为dst的进程(全局的进程编号)中，返回发送到目标进程的张量。

说明

  • 只有目标为dst的进程(全局的进程编号)才会收到规约操作后的输出。

  • 当前支持PyNative模式，不支持Graph模式。

  • 其他进程需传入张量，该张量没有数学意义。

参数：

  • tensor (Tensor) - 输入和输出规约的Tensor，输出会直接修改输入。

  • dst (int) - 指定接收输出的目标进程编号，只有该进程会接收规约操作后的输出结果。

  • op (str, 可选) - 规约的具体操作。如 "sum" 、 "prod" 、 "max" 、和 "min" 。默认值： ReduceOp.SUM 。

  • 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 - 首个输入的数据类型不为Tensor， op 和 group 不是字符串， async_op 不是bool， op 值非法。

  • 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。

>>> from mindspore import mint
>>> import mindspore.nn as nn
>>> from mindspore.mint.distributed import init_process_group, reduce
>>> from mindspore import Tensor
>>> import numpy as np
>>> # Launch 2 processes.
>>> init_process_group()
>>> dest_rank=1
>>> input_tensor = Tensor(np.ones([2, 8]).astype(np.float32))
>>> output = reduce(input_tensor, dest_rank)
>>> print(input_tensor)
Process with rank 0: [[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]],
Process with rank 1: [[2. 2. 2. 2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2. 2. 2. 2.]],