mindspore.communication.comm_func.all_reduce
- mindspore.communication.comm_func.all_reduce(tensor, op=ReduceOp.SUM, group=GlobalComm.WORLD_COMM_GROUP, async_op=False)[源代码]
使用指定方式对通信组内的所有设备的Tensor数据进行规约操作,所有设备都得到相同的结果,返回规约操作后的张量。
说明
集合中的所有进程的Tensor必须具有相同的shape和格式。
- 参数:
tensor (Tensor) - 输入待规约操作的Tensor,Tensor的shape为 \((x_1, x_2, ..., x_R)\) 。
op (str,可选) - 规约的具体操作。如
"sum"
、"prod"
、"max"
、和"min"
。默认值:ReduceOp.SUM
。group (str,可选) - 工作的通信组。默认值:
GlobalComm.WORLD_COMM_GROUP
(即Ascend平台为"hccl_world_group"
,GPU平台为"nccl_world_group"
)。async_op (bool, 可选) - 本算子是否是异步算子。默认值:
False
。
- 返回:
Tuple(Tensor, CommHandle),输出shape与输入相同,即 \((x_1, x_2, ..., x_R)\) 。其内容取决于操作。 若 async_op 是True,CommHandle是一个异步工作句柄。若 async_op 是False,CommHandle将返回None。
- 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。
- 支持平台:
Ascend
样例:
>>> import numpy as np >>> from mindspore.communication import init >>> from mindspore.communication.comm_func import all_reduce >>> from mindspore import Tensor >>> >>> init() >>> input_tensor = Tensor(np.ones([2, 8]).astype(np.float32)) >>> output = all_reduce(input_tensor) >>> print(output) [[2. 2. 2. 2. 2. 2. 2. 2.] [2. 2. 2. 2. 2. 2. 2. 2.]]