mindspore.ops.communication.reduce_scatter

mindspore.ops.communication.reduce_scatter(output, input_list, op=ReduceOp.SUM, group=None, async_op=False)

对指定通信组中的张量进行归约和分散操作，并返回归约和分散后的张量。

参数：

• output (Tensor) - 输出张量。

• input_list (list[Tensor]) - 要归约和分散的张量列表。

• op (str，可选) - 用于逐元素归约的操作，如SUM和MAX。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 - 如果 output 参数的类型不是Tensor，input_list 不是Tensor列表。

• TypeError - 如果 op 和 group 不是str，async_op 不是bool或 op 无效。

• TypeError - 如果 input_list 的大小不等于通信组大小。

• TypeError - 如果 output 的类型或shape不等于 input_list 的成员。

• 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 Tensor
>>> from mindspore.ops.communication import init_process_group
>>> from mindspore.ops.communication import reduce_scatter
>>> import numpy as np
>>>
>>> init_process_group()
>>> input_tensors = [Tensor(np.ones([4, 8]).astype(np.float32)), Tensor(np.ones([4, 8]).astype(np.float32))]
>>> output_tensor = Tensor(np.zeros([4, 8]).astype(np.float32))
>>> output = reduce_scatter(output_tensor ,input_tensors)
>>> print(output_tensor)
[[2. 2. 2. 2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2. 2. 2. 2.]]