mindspore.ops.ReduceScatter

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

规约并且分发指定通信组中的张量。更多细节请参考分布式集合通信原语 - ReduceScatter 。

说明

在集合的所有过程中，Tensor必须具有相同的shape和格式。

参数：

op (str) - 指定用于元素的规约操作，如SUM和MAX。默认值：ReduceOp.SUM。
group (str) - 要处理的通信组。默认值：”GlobalComm.WORLD_COMM_group”。

输入：

input_x (Tensor) - 输入Tensor，假设其形状为 \((N, *)\) ，其中 * 为任意数量的额外维度。N必须能够被rank_size整除，rank_size为当前通讯组里面的计算卡数量。

输出：

Tensor，数据类型与 input_x 一致，shape为 \((N/rank\_size, *)\) 。

异常：

TypeError - 如果 op 和 group 不是字符串。
ValueError - 如果输入的第一个维度不能被rank size整除。

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2卡环境下运行。

>>> import mindspore as ms
>>> from mindspore import Tensor
>>> from mindspore.communication import init
>>> from mindspore.ops import ReduceOp
>>> import mindspore.nn as nn
>>> import mindspore.ops as ops
>>> import numpy as np
>>>
>>> ms.set_context(mode=ms.GRAPH_MODE)
>>> init()
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.reducescatter = ops.ReduceScatter(ReduceOp.SUM)
...
...     def construct(self, x):
...         return self.reducescatter(x)
...
>>> input_ = Tensor(np.ones([8, 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.]
[2. 2. 2. 2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2. 2. 2. 2.]]