mindspore.ops.AlltoAllV

查看源文件
class mindspore.ops.AlltoAllV(group=GlobalComm.WORLD_COMM_GROUP)[源代码]

相对AlltoAll来说，AlltoAllV算子支持不等分的切分和聚合。

说明

只支持一维的输入，使用该接口前需要将输入数据展开成一维。

参数：

  • group (str) - AlltoAll的通信域。默认值： GlobalComm.WORLD_COMM_GROUP ，Ascend平台表示为 "hccl_world_group" 。

输入：

  • input_x (Tensor) - 一维待分发的张量, shape为 \((x_1)\)。

  • send_numel_list (Union[tuple[int], list[int], Tensor]) - 分发给每张卡的数据量。

  • recv_numel_list (Union[tuple[int], list[int], Tensor]) - 从每张卡聚合的数据量。

输出：

Tensor，从每张卡上聚合的一维数据结果。如果结果为空，则范围无意义的数值0。

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。

>>> from mindspore import ops
>>> import mindspore.nn as nn
>>> from mindspore.communication import init, get_rank
>>> from mindspore import Tensor
>>>
>>> init()
>>> rank = get_rank()
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.all_to_all = ops.AlltoAllV()
...
...     def construct(self, x, send_numel_list, recv_numel_list):
...         return self.all_to_all(x, send_numel_list, recv_numel_list)
>>> send_numel_list = []
>>> recv_numel_list = []
>>> if rank == 0:
>>>    send_tensor = Tensor([0, 1, 2.])
>>>    send_numel_list = [1, 2]
>>>    recv_numel_list = [1, 2]
>>> elif rank == 1:
>>>    send_tensor = Tensor([3, 4, 5.])
>>>    send_numel_list = [2, 1]
>>>    recv_numel_list = [2, 1]
>>> net = Net()
>>> output = net(send_tensor, send_numel_list, recv_numel_list)
>>> print(output)
rank 0:
[0. 3. 4]
rank 1:
[1. 2. 5]
教程样例：