mindspore.ops.Send

查看源文件
class mindspore.ops.Send(sr_tag, dest_rank, group=GlobalComm.WORLD_COMM_GROUP, group_back=GlobalComm.WORLD_COMM_GROUP)[源代码]

发送张量到指定线程。

说明

Send 和 Receive 算子需组合使用，且有同一个 sr_tag。

参数：

  • sr_tag (int) - 用于区分发送、接收消息的标签。该消息将被拥有相同 sr_tag 的Receive接收。

  • dest_rank (int) - 表示发送目标的进程编号。只有目标进程会收到张量。

  • group (str，可选) - 表示通信域。默认值： GlobalComm.WORLD_COMM_GROUP 。

  • group_back (str，可选) - 表示计算反向传播时的通信域。默认值： GlobalComm.WORLD_COMM_GROUP 。

输入：

  • input_x (Tensor) - 输入待发送的Tensor，Tensor的shape为 \((x_1, x_2, ..., x_R)\) 。

异常：

  • TypeError - dest_rank不是int或group不是str。

  • 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。

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

支持平台：

Ascend GPU

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.nn as nn
>>> from mindspore.communication import init
>>> from mindspore import Tensor
>>> from mindspore import ops
>>>
>>> init()
>>> class SendNet(nn.Cell):
>>>     def __init__(self):
>>>         super(SendNet, self).__init__()
>>>         self.depend = ops.Depend()
>>>         self.send = ops.Send(sr_tag=0, dest_rank=8, group="hccl_world_group")
>>>
>>>     def construct(self, x):
>>>         out = self.depend(x, self.send(x))
>>>         return out
>>>
>>> input_ = Tensor(np.ones([2, 8]).astype(np.float32))
>>> net = Net()
>>> output = net(input_)
教程样例：