mindspore.ops.communication.scatter_tensor

mindspore.ops.communication.scatter_tensor(output_tensor, input_tensor, src=0, group=None, async_op=False)

在指定通信组中的进程之间均匀分散张量。

说明

• 接口行为仅支持Tensor输入和均匀分散，这与 pytorch.distributed.scatter 不同。

• 只有进程 src （全局rank）会执行分散操作。

• 当前仅支持PyNative模式，不支持Graph模式。

参数：

• output_tensor (Tensor) - 输出张量。它在所有rank之间应具有相同的大小。

• input_tensor (Tensor) - 要分散的输入张量。张量的shape为 \((x_1, x_2, ..., x_R)\)。

• src (int, 可选) - 指定发送张量的进程的rank（全局rank）。只有进程 src 会发送张量。默认值： 0。

• 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_tensor 或 input_tensor 参数的类型不是Tensor，src 不是int，group 不是str，或 async_op 不是bool。

• 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.ops.communication import init_process_group
>>> from mindspore.communication.comm_func import scatter_tensor
>>> import numpy as np
>>> # Launch 2 processes.
>>>
>>> init_process_group()
>>> input = ms.Tensor(np.arange(8).reshape([4, 2]).astype(np.float32))
>>> output = ms.Tensor(np.zeros([2, 2]).astype(np.float32))
>>> out = scatter_tensor(output, input, src=0)
>>> print(output)
# rank_0
[[0. 1.]
[2. 3.]]
# rank_1
[[4. 5.]
[6. 7.]]