scatter

paddle.distributed. scatter ( tensor, tensor_list=None, src=0, group=None, sync_op=True ) [源代码]

将一组来自指定进程的 tensor 分发到每个进程。

如下图所示,4 个 GPU 分别开启 1 个进程,将分发 rank=0 的进程拥有的数据。 分发操作后,rank=0 的进程拥有的数据被平均分配到每个进程上。

scatter

参数

  • tensor (Tensor) - 用于接收数据的 tensor,数据类型必须与输入的 tensor 列表保持一致。

  • tensor_list (List[Tensor],可选) - 将被分发的 tensor 列表。默认为 None。支持的数据类型包括:float16、float32、float64、int32、int64、int8、uint8、bool、bfloat16。

  • src (int,可选) - 目标进程的 rank,该进程的 tensor 列表将被分发到其他进程中。默认为 0,即分发 rank=0 的进程上的 tensor 列表。

  • group (Group,可选) - 执行该操作的进程组实例(通过 new_group 创建)。默认为 None,即使用全局默认进程组。

  • sync_op (bool,可选) - 该操作是否为同步操作。默认为 True,即同步操作。

返回

动态图模式下,若为同步操作,无返回值;若为异步操作,返回 Task。通过 Task,可以查看异步操作的执行状态以及等待异步操作的结果。

静态图模式下,无返回值。

代码示例

>>> import paddle
>>> import paddle.distributed as dist

>>> dist.init_parallel_env()
>>> if dist.get_rank() == 0:
...     data1 = paddle.to_tensor([7, 8, 9])
...     data2 = paddle.to_tensor([10, 11, 12])
...     dist.scatter(data1, src=1)
>>> else:
...     data1 = paddle.to_tensor([1, 2, 3])
...     data2 = paddle.to_tensor([4, 5, 6])
...     dist.scatter(data1, tensor_list=[data1, data2], src=1)
>>> print(data1, data2)
>>> # [1, 2, 3] [10, 11, 12] (2 GPUs, out for rank 0)
>>> # [4, 5, 6] [4, 5, 6] (2 GPUs, out for rank 1)