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