mindspore.ops.AlltoAll

class mindspore.ops.AlltoAll(split_count, split_dim, concat_dim, group=GlobalComm.WORLD_COMM_GROUP)

AlltoAll是一个集合通信函数。

AlltoAll将输入数据在特定的维度切分成特定的块数（blocks），并按顺序发送给其他rank。一般有两个阶段：

• 分发阶段：在每个进程上，操作数沿着 split_dim 拆分为 split_count 个块（blocks），且分发到指定的rank上，例如，第i块被发送到第i个rank上。

• 聚合阶段：每个rank沿着 concat_dimension 拼接接收到的数据。

说明

聚合阶段，所有进程中的Tensor必须具有相同的shape和格式。

要求全连接配网方式，每台设备具有相同的vlan id，ip和mask在同一子网，请查看 详细信息 。

参数：

• split_count (int) - 在每个进程上，将块（blocks）拆分为 split_count 个。

• split_dim (int) - 在每个进程上，沿着 split_dim 维度进行拆分。

• concat_dim (int) - 在每个进程上，沿着 concat_dimension 拼接接收到的块（blocks）。

• group (str) - AlltoAll的通信域。默认值：”GlobalComm.WORLD_COMM_GROUP”。

输入：

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

输出：

Tensor，设输入的shape是 \((x_1, x_2, ..., x_R)\)，则输出的shape为 \((y_1, y_2, ..., y_R)\)，其中：

\(y_{split\_dim} = x_{split\_dim} / split\_count\)

\(y_{concat\_dim} = x_{concat\_dim} * split\_count\)

\(y\_other = x\_other\).

异常：

• TypeError - 如果 group 不是字符串。

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，用户需要准备rank表，设置rank_id和device_id，详见 Ascend指导文档 。

针对GPU设备，用户需要准备host文件和mpi，详见 GPU指导文档 。

该样例需要在8卡环境下运行。

>>> import os
>>> import mindspore as ms
>>> from mindspore import Tensor
>>> from mindspore.communication import init
>>> import mindspore.nn as nn
>>> import mindspore.ops as ops
>>> import numpy as np
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.alltoall = ops.AlltoAll(split_count = 8, split_dim = -2, concat_dim = -1)
...
...     def construct(self, x):
...         out = self.alltoall(x)
...         return out
...
>>> ms.set_context(mode=ms.GRAPH_MODE, device_target='Ascend')
>>> init()
>>> net = Net()
>>> rank_id = int(os.getenv("RANK_ID"))
>>> input_x = Tensor(np.ones([1, 1, 8, 1]) * rank_id, dtype = ms.float32)
>>> output = net(input_x)
>>> print(output)
[[[[0. 1. 2. 3. 4. 5. 6. 7.]]]]