all_reduce

paddle.distributed.stream. all_reduce ( tensor, op=ReduceOp.SUM, group=None, sync_op=True, use_calc_stream=False )

规约进程组内的一个 tensor，随后将结果发送到每个进程。

参见 paddle.distributed.all_reduce。

注解

该 API 只支持动态图模式。

参数

  • tensor (Tensor) - 输入的 tensor。返回结果也将保存到该 tensor 中。支持的数据类型包括：float16、float32、float64、int32、int64、int8、uint8、bool、bfloat16。

  • op (ReduceOp.SUM|ReduceOp.MAX|ReduceOp.MIN|ReduceOp.PROD，可选) - 归约的操作类型，包括求和、取最大值、取最小值和求乘积。默认为求和。

  • 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。

  • use_calc_stream (bool，可选) - 该操作是否在计算流上进行。默认为 False，即不在计算流上进行。该参数旨在提高同步操作的性能，请确保在充分了解其含义的情况下调整该参数的值。

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。

代码示例

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

>>> dist.init_parallel_env()
>>> local_rank = dist.get_rank()
>>> data = None
>>> if local_rank == 0:
...     data = paddle.to_tensor([[4, 5, 6], [4, 5, 6]])
>>> else:
...     data = paddle.to_tensor([[1, 2, 3], [1, 2, 3]])
>>> task = dist.stream.all_reduce(data, sync_op=False)
>>> task.wait()
>>> out = data
>>> print(out)
[[5, 7, 9], [5, 7, 9]]