mindspore.ops.Receive

class mindspore.ops.Receive(sr_tag, src_rank, shape, dtype, group=GlobalComm.WORLD_COMM_GROUP, group_back=GlobalComm.WORLD_COMM_GROUP)[源代码]

接收来自 src_rank 线程的张量。

说明

Send 和 Receive 算子需组合使用，且需要有同一个 sr_tag。

参数：

  • sr_tag (int) - 用于区分发送、接收消息的标签。该算子将接收具有相同 sr_tag 标签的Send算子发送的张量。

  • src_rank (int) - 表示发送源的进程编号。只会接收来自源进程的张量。

  • shape (list[int]) - 表示发送源的张量形状。

  • dtype (Type) - 表示发送源的张量类型。所支持的类型有：int8、int16、int32、float16、float32。

  • group (str，可选) - 表示通信域。默认值： GlobalComm.WORLD_COMM_GROUP 。

  • group_back (str，可选) - 表示计算反向传播时的通信域。默认值： GlobalComm.WORLD_COMM_GROUP 。

输出：

  • Tensor - Tensor的shape与Send算子所发送Tensor的shape相同。

异常：

  • TypeError - src_rank 不是int或 group 不是str。

  • 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。

  • ValueError - 如果该线程的rank id 大于通信组的rank size。

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/GPU/CPU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 os
>>> import numpy as np
>>> import mindspore.ops as ops
>>> import mindspore.nn as nn
>>> import mindspore as ms
>>> from mindspore.communication import init
>>> from mindspore import Tensor
>>>
>>> ms.set_context(mode=ms.GRAPH_MODE, jit_level="O2")
>>> init()
>>>
>>> class SendNet(nn.Cell):
...     def __init__(self):
...         super(SendNet, self).__init__()
...         self.depend = ops.Depend()
...         self.send = ops.Send(sr_tag=0, dest_rank=1, group="hccl_world_group")
...
...     def construct(self, x):
...         out = self.depend(x, self.send(x))
...         return out
>>>
>>> class ReceiveNet(nn.Cell):
...     def __init__(self):
...         super(ReceiveNet, self).__init__()
...         self.recv = ops.Receive(sr_tag=0, src_rank=0, shape=[2, 8], dtype=ms.float32,
...                                 group="hccl_world_group")
...
...     def construct(self):
...         out = self.recv()
...         return out
>>>
>>> if __name__ == "__main__":
...     rank_id = os.environ["RANK_ID"]
...     rank_size = os.environ["RANK_SIZE"]
...     if rank_id == "0":
...         input_ = Tensor(np.ones([2, 8]).astype(np.float32))
...         send_net = SendNet()
...         output = send_net(input_)
...     else:
...         recv_net = ReceiveNet()
...         output = recv_net()
...         print(output.asnumpy())
教程样例：