mindspore.ops.CollectiveScatter

class mindspore.ops.CollectiveScatter(src_rank=0, group=GlobalComm.WORLD_COMM_GROUP)[源代码]

对输入数据的数据进行均匀散射到通信域的卡上。

说明

该接口只支持Tensor输入，且只支持均匀切分。 只有源为src_rank的进程(全局的进程编号)才会将输入张量作为散射源。

参数：

  • src_rank (int，可选) - 表示发送源的进程编号。只有该进程会发送散射源Tensor。

  • group (str，可选) - 表示通信域。默认值： GlobalComm.WORLD_COMM_GROUP 。

输入：

  • input_x (Tensor) - 输入待散射的Tensor。Tensor的shape为 \((x_1, x_2, ..., x_R)\) 。

输出：

Tensor，Tensor第0维等于散射源输入第0维除以 src_rank ，其他shape维度相同 即 \((x_1/src\_rank, x_2, ..., x_R)\) 。

异常：

  • TypeError - 首个输入的数据类型不为Tensor， op 或 group 不是str。

  • RuntimeError - 如果目标设备无效，或者后端无效，或者分布式初始化失败。

  • ValueError - 调用进程的rank id大于本通信组的rank大小。

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/GPU/CPU设备，推荐使用msrun启动方式，无第三方以及配置文件依赖。详见 msrun启动 。

该样例需要在2卡环境下运行。

>>> import numpy as np
>>> import mindspore.nn as nn
>>> from mindspore import Tensor
>>> from mindspore.communication.management import init, get_rank
>>> from mindspore import ops
>>> # Launch 2 processes.
>>> init()
>>> class CollectiveScatterNet(nn.Cell):
>>>     def __init__(self):
>>>         super(CollectiveScatter, self).__init__()
>>>         self.collective_scatter = ops.CollectiveScatter(src_rank=0)
>>>
>>>     def construct(self, x):
>>>         return self.collective_scatter(x)
>>>
>>> input = Tensor(np.arange(8).reshape([4, 2]).astype(np.float32))
>>> net = CollectiveScatterNet()
>>> output = net(input)
>>> print(output)
Process with rank 0: [[0. 1.],
[2. 3.]]
Process with rank 1: [[4. 5.],
[6. 7.]]
教程样例：