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:
>>> 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.]]