mindspore.ops.AllGather

查看源文件
class mindspore.ops.AllGather(group=GlobalComm.WORLD_COMM_GROUP)[源代码]

在指定的通信组中汇聚Tensor。

说明

  • 集合中所有进程的Tensor必须具有相同的shape和格式。

  • 目前仅支持图模式且需要在Cell下调用。

参数:
  • group (str) - 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) - AllGather的输入,shape为 \((x_1, x_2, ..., x_R)\) 的Tensor。

输出:

Tensor,如果组中的device数量为N,则输出的shape为 \((N, x_1, x_2, ..., x_R)\)

异常:
  • TypeError - group 不是str。

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

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设备,用户需要准备rank表,设置rank_id和device_id,详见 rank table启动

针对GPU设备,用户需要准备host文件和mpi,详见 mpirun启动

针对CPU设备,用户需要编写动态组网启动脚本,详见 动态组网启动

该样例需要在2卡环境下运行。

>>> import numpy as np
>>> import mindspore as ms
>>> import mindspore.ops as ops
>>> import mindspore.nn as nn
>>> from mindspore.communication import init
>>> from mindspore import Tensor
>>>
>>> ms.set_context(mode=ms.GRAPH_MODE)
>>> init()
>>> class Net(nn.Cell):
...     def __init__(self):
...         super(Net, self).__init__()
...         self.allgather = ops.AllGather()
...
...     def construct(self, x):
...         return self.allgather(x)
...
>>> input_x = Tensor(np.ones([2, 8]).astype(np.float32))
>>> net = Net()
>>> output = net(input_x)
>>> print(output)
[[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]]
教程样例: