mindspore.ops.ReduceScatterV

查看源文件
class mindspore.ops.ReduceScatterV(op=ReduceOp.SUM, group=GlobalComm.WORLD_COMM_GROUP)[源代码]

规约并且分发指定通信组中不均匀的张量，返回分发后的张量。

说明

只支持一维的输入，使用该接口前需要将输入数据展开成一维。

参数：

  • op (str, 可选) - 指定用于元素的规约操作，如SUM、MIN和MAX，当前不支持PROD。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" ）。

输入：

  • input_x (Tensor) - 一维待分发的张量，shape为 \((x_1)\)。

  • input_split_sizes (Union[tuple[int], list[int], Tensor]) - 一维张量，所有rank的接收数据量列表，基本单位是Tensor的数据类型。该数值未作校验，由用户保障其正确性。

输出：

Tensor，从每张卡上规约并且分发的一维数据结果。如果结果为空，则返回空张量，且值无意义。

异常：

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

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/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 mindspore as ms
>>> from mindspore import Tensor
>>> from mindspore.communication import init, get_rank
>>> from mindspore.ops import ReduceOp
>>> import mindspore.nn as nn
>>> from mindspore.ops.operations.comm_ops import ReduceScatterV
>>>
>>> ms.set_context(mode=ms.GRAPH_MODE)
>>> init()
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.reducescatterv = ReduceScatterV(ReduceOp.SUM)
...
...     def construct(self, x, input_split_sizes):
...         return self.reducescatterv(x, input_split_sizes)
...
>>> rank = get_rank()
>>> input_x = Tensor([0, 1, 2.0])
>>> input_split_sizes = [2, 1]
>>> net = Net()
>>> output = net(input_x, input_split_sizes)
>>> print(output)
rank 0:
[0. 2.]
rank 1:
[4.]
教程样例：