scatter¶

参数¶

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

• tensor_or_tensor_list (Tensor|List[Tensor]，可选) - 待分发的数据，可以是一个 tensor 或 tensor 列表。若为 tensor，该 tensor 的大小必须与所有用于接收数据的 tensor 沿 dim[0] 拼接后的大小相同。支持的数据类型包括：float16、float32、float64、int32、int64、int8、uint8、bool、bfloat16。默认为 None，因为非目标进程上的该参数将被忽略。

• 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。

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