scatter¶

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

进程组内指定进程源的tensor列表分发到其他所有进程中。如下图所示，4个GPU分别开启4个进程，scatter的源选择为第0张卡，经过scatter算子后，会将第0张卡的数据平均分到所有卡上。

参数¶

tensor (Tensor) - 操作的输出Tensor。Tensor的数据类型为：float16、float32、float64、int32、int64。

tensor_list (list，可选) - 操作的输入Tensor列表，默认为None。列表中的每个元素均为Tensor，每个Tensor的数据类型为：float16、float32、float64、int32、int64。

src (int，可选) - 操作的源进程号，该进程号的Tensor列表将分发到其他进程中。默认为0。

group (int，可选) - 工作的进程组编号，默认为0。

返回¶

无

代码示例¶

          import numpy as np
import paddle
from paddle.distributed import init_parallel_env

paddle.set_device('gpu:%d'%paddle.distributed.ParallelEnv().dev_id)
init_parallel_env()
if paddle.distributed.ParallelEnv().local_rank == 0:
    np_data1 = np.array([7, 8, 9])
    np_data2 = np.array([10, 11, 12])
else:
    np_data1 = np.array([1, 2, 3])
    np_data2 = np.array([4, 5, 6])
data1 = paddle.to_tensor(np_data1)
data2 = paddle.to_tensor(np_data2)
if paddle.distributed.ParallelEnv().local_rank == 0:
    paddle.distributed.scatter(data1, src=1)
else:
    paddle.distributed.scatter(data1, tensor_list=[data1, data2], src=1)
out = data1.numpy()

         