reduce

paddle.distributed. reduce ( tensor, dst, op=ReduceOp.SUM, group=None, sync_op=True ) [源代码]

规约进程组内的一个 tensor，随后将结果发送到指定进程。

如下图所示，4 个 GPU 分别开启 1 个进程，进程拥有的数据用其在组内的 rank 表示，规约的目标是 rank=0 的进程，规约操作为求和。 规约操作后，rank=0 的进程会得到所有进程数据的总和。

reduce

参数

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

  • dst (int) - 目标进程的 rank，规约结果将发送到该进程。

  • 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。

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:
...     data = paddle.to_tensor([[4, 5, 6], [4, 5, 6]])
>>> else:
...     data = paddle.to_tensor([[1, 2, 3], [1, 2, 3]])
>>> dist.reduce(data, dst=0)
>>> print(data)
>>> # [[5, 7, 9], [5, 7, 9]] (2 GPUs, out for rank 0)
>>> # [[1, 2, 3], [1, 2, 3]] (2 GPUs, out for rank 1)

使用本API的教程文档