mindspore.ops.communication.reduce

mindspore.ops.communication.reduce(tensor, dst, op=ReduceOp.SUM, group=None, async_op=False)

对指定通信组中的进程进行张量归约操作，将结果发送到目标dst（全局rank），并返回发送到目标进程的张量。

说明

• 只有目标rank的进程会接收归约后的输出。

• 当前仅支持PyNative模式，不支持Graph模式。

• 其他进程只会得到一个shape为[1]的张量，没有数学意义。

参数：

• tensor (Tensor) - 集合操作的输入和输出。该函数以in-place模式运行。

• dst (int) - 接收归约输出的进程的目标rank（全局rank）。

• op (str，可选) - 用于逐元素归约的操作，如sum、prod、max和min。默认值： ReduceOp.SUM 。

• group (str，可选) - 通信组名称。默认值： None ，即Ascend平台表示为 "hccl_world_group" 。

• async_op (bool, 可选) - 本算子是否是异步算子。默认值： False 。

返回：

CommHandle。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 - tensor 的类型不是Tensor，op 或 group 不是str， async_op 不是bool，或 op 无效。

• 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：

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，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。

>>> from mindspore import ops
>>> import mindspore.nn as nn
>>> from mindspore.ops.communication import init_process_group, reduce
>>> from mindspore import Tensor
>>> import numpy as np
>>> # Launch 2 processes.
>>> init_process_group()
>>> dest_rank=1
>>> input_tensor = Tensor(np.ones([2, 8]).astype(np.float32))
>>> output = reduce(input_tensor, dest_rank)
>>> print(input_tensor)
Process with rank 0: [[1. 1. 1. 1. 1. 1. 1. 1.]
[1. 1. 1. 1. 1. 1. 1. 1.]],
Process with rank 1: [[2. 2. 2. 2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2. 2. 2. 2.]],