reduce

paddle.distributed. reduce ( tensor, dst, op=ReduceOp.SUM, group=0 ) [源代码]

进程组内所有进程的指定tensor进行归约操作，并返回给所有进程归约的结果。 如下图所示，4个GPU分别开启4个进程，每张卡上的数据用卡号代表，reduce的目标是第0张卡， 规约操作是求和，经过reduce操作后，第0张卡会得到所有卡数据的总和。

reduce

参数

  • tensor (Tensor) - 操作的输入Tensor，结果返回至目标进程号的Tensor中。Tensor的数据类型为：float16、float32、float64、int32、int64。

  • dst (int) - 返回操作结果的目标进程编号。

  • op (ReduceOp.SUM|ReduceOp.MAX|ReduceOp.Min|ReduceOp.PROD，可选) - 归约的具体操作，比如求和，取最大值，取最小值和求乘积，默认为求和归约。

  • 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_data = np.array([[4, 5, 6], [4, 5, 6]])
else:
    np_data = np.array([[1, 2, 3], [1, 2, 3]])
data = paddle.to_tensor(np_data)
paddle.distributed.reduce(data, 0)
out = data.numpy()
# [[5, 7, 9], [5, 7, 9]]