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 opgroup 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.]]