mindspore.parallel

mindspore.parallel提供了大量的自动并行接口，包括并行基础配置、模型加载与转换、函数式并行切分等。

模块导入方法如下：

from mindspore import parallel

并行基础配置

mindspore.parallel.auto_parallel.AutoParallel	对顶层Cell或函数进行封装，实现单个网络的静态图并行。
mindspore.parallel.nn.GradAccumulation	实现静态图并行梯度累加功能。
mindspore.parallel.nn.MicroBatchInterleaved	实现静态图并行多副本拆分功能，使得计算及通信能并发。
mindspore.parallel.nn.Pipeline	指定流水线并行的micro_batch个数及stage的划分规则。
mindspore.parallel.nn.PipelineGradReducer	函数式训练场景下，实现流水线并行的梯度规约及累加。

模型加载与转换

mindspore.parallel.convert_checkpoints	将一个分布式网络的Checkpoint由源切分策略转换到目标切分策略。
mindspore.parallel.convert_checkpoint_by_rank	将一个分布式网络的Checkpoint由源切分策略转换到目标切分策略，对特定一个rank进行转换。
mindspore.parallel.load_distributed_checkpoint	加载分布式checkpoint参数到网络，用于分布式推理。
mindspore.parallel.load_segmented_checkpoints	加载指定路径下所有checkpoint文件。
mindspore.parallel.rank_list_for_convert	在对分布式Checkpoint转换的过程中，获取目标rank的Checkpoint文件所需的源Checkpoint文件rank列表。
mindspore.parallel.unified_safetensors	将多个safetensors文件合并为一系列统一的safetensors文件。

函数式并行切分

mindspore.parallel.function.reshard	将张量从一种分布式排布转换成另一种分布式排布。
mindspore.parallel.Layout	描述集群设备的拓扑抽象，用于张量分片在集群上的放置。
mindspore.parallel.shard	指定一个Cell或函数的输入、输出切分策略。

其他

mindspore.parallel.build_searched_strategy	从策略文件中提取网络中每个参数的切分策略，用于分布式推理的场景。
mindspore.parallel.merge_pipeline_strategys	汇聚所有流水线并行子图的切分策略文件到目的文件。
mindspore.parallel.parameter_broadcast	在数据并行维度，将参数广播到其他卡上。
mindspore.parallel.restore_group_info_list	从通信域文件中提取rank list信息。
mindspore.parallel.sync_pipeline_shared_parameters	在流水线并行推理场景下，对stage间的共享权重进行同步。