mindspore.ops.communication.reduce_scatter_tensor_uneven

mindspore.ops.communication.reduce_scatter_tensor_uneven(output, input, input_split_sizes=None, op=ReduceOp.SUM, group=None, async_op=False)

根据 input_split_sizes 对指定通信组中的张量进行归约操作，并分散到输出张量。

说明

• 输入张量在所有进程之间必须具有相同的shape和格式。

• 输入张量的第一维应等于 input_split_sizes 的总和。

参数：

• output (Tensor) - 输出张量，与 input 具有相同的数据类型，shape为 \((input\_split\_sizes[rank], *)\)，其中rank是设备的本地rank id。

• input (Tensor) - 待归约和分散的输入张量，期望shape为 \((N, *)\)，其中 * 表示任意数量的额外维度。N必须等于所有rank的 input_split_sizes 的总和。

• input_split_sizes (list[int], 可选) - 指定如何分割输入张量第一维的列表。默认值： None，表示根据通信组大小平均分割。

• op (str，可选) - 用于逐元素归约的操作，ReduceOp之一：'SUM'、'MIN'、'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：

• ValueError - 如果 output 的shape与 input_split_sizes 的约束不匹配。

• 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。

>>> import mindspore as ms
>>> from mindspore import Tensor
>>> from mindspore.ops.communication import init_process_group, get_rank
>>> from mindspore.ops.communication import reduce_scatter_tensor_uneven
>>> import numpy as np
>>>
>>> ms.set_device(device_target="Ascend")
>>> init_process_group()
>>> input_tensor = Tensor(np.ones([5, 8]).astype(np.float32))
>>> if get_rank() == 0:
>>>     output_tensor = Tensor(np.ones([2, 8]).astype(np.float32))
>>> else:
>>>     output_tensor = Tensor(np.ones([3, 8]).astype(np.float32))
>>> input_split_sizes = [2, 3]
>>> output = reduce_scatter_tensor_uneven(output_tensor, input_tensor, input_split_sizes)
>>> print(output_tensor)
rank 0:
[[2. 2. 2. 2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2. 2. 2. 2.]]
rank 1:
[[2. 2. 2. 2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2. 2. 2. 2.]
[2. 2. 2. 2. 2. 2. 2. 2.]]