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.]]