mindspore.ops.AllReduce

class mindspore.ops.AllReduce(op=ReduceOp.SUM, group=GlobalComm.WORLD_COMM_GROUP)[源代码]

使用指定方式对通信组内的所有设备的Tensor数据进行规约操作，所有设备都得到相同的结果。

Note

AllReduce操作暂不支持”prod”。集合中的所有进程的Tensor必须具有相同的shape和格式。用户在使用之前需要设置环境变量，运行下面的例子，获取详情请点击官方网站 MindSpore 。

参数：

op (str) - 规约的具体操作，如”sum”、”max”、和”min”。默认值：ReduceOp.SUM。
group (str) - 工作的通信组。默认值：”GlobalComm.WORLD_COMM_GROUP”（即Ascend平台为”hccl_world_group”，GPU平台为”nccl_world_group” ）。

输入：

input_x (Tensor) - shape为 \((x_1, x_2, ..., x_R)\) 的Tensor。

输出：

Tensor，shape与输入相同，即 \((x_1, x_2, ..., x_R)\) 。其内容取决于操作。

异常：

TypeError - op 或 group 不是str，或者输入的数据类型是bool。
ValueError - op 为”prod”。

支持平台：

Ascend GPU CPU

样例：

>>> # This example should be run with two devices. Refer to the tutorial > Distributed Training on mindspore.cn
>>> import numpy as np
>>> from mindspore.communication import init
>>> from mindspore import Tensor
>>> from mindspore.ops import ReduceOp
>>> import mindspore.nn as nn
>>> import mindspore.ops as ops
>>>
>>> init()
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.allreduce_sum = ops.AllReduce(ReduceOp.SUM)
...
...     def construct(self, x):
...         return self.allreduce_sum(x)
...
>>> input_ = Tensor(np.ones([2, 8]).astype(np.float32))
>>> net = Net()
>>> output = net(input_)
>>> print(output)
[[2. 2. 2. 2. 2. 2. 2. 2.]
 [2. 2. 2. 2. 2. 2. 2. 2.]]