接口原型

torch_npu.distributed.reduce_scatter_tensor_uneven(output, input, input_split_sizes =None, op=dist.ReduceOp.SUM, group=None, async_op=False) -> torch.distributed.distributed_c10d.Work

功能描述

参考原生接口torch.distributed.reduce_scatter_tensor功能，torch_npu.distributed.reduce_scatter_tensor_uneven接口新增支持零拷贝和非等长切分功能。

参数说明

“output”(torch.Tensor)：输出Tensor，用于接收计算数据。
“input”(torch.Tensor)：输入Tensor，用于提供计算数据。
“input_split_sizes”(ListInt)：输入tensor的0维分割数组，默认值None；元素个数需要与当前调用的group的size一致；元素之和需要与input的0维大小一致。
“op”（torch._C._distributed_c10d.ReduceOp.RedOpType）：reduce算子，用于控制计算逻辑，默认值dist.ReduceOp.SUM。
“group”（torch.distributed.distributed_c10d.ProcessGroup）：分布式进程组，默认值None。
“async_op”（bool）：是否异步调用，默认值False。

输入说明

input的shape为所有卡上output的shape拼接大小。

输出说明

output的shape无特殊约束。

异常说明

input_split_sizes元素之和与input的0维不一致时报错：RuntimeError: Split sizes dosen't match total dim 0 size。
input_split_sizes元素个数与group的size不一致时报错：RuntimeError: Number of tensor splits not equal to group size。

约束说明

此接口仅可在单机场景下使用。

input_split_sizes元素之和等于input的0维；input_split_sizes元素个数等于group的size。

支持的型号

Atlas A2 训练系列产品/Atlas 800I A2 推理产品
Atlas 推理系列产品

调用示例

创建以下文件test.py并保存。

import os
import torch
import torch_npu
import torch.distributed as dist
dist.init_process_group(backend="hccl")
rank = int(os.getenv('LOCAL_RANK'))
torch.npu.set_device(rank)
input_split_sizes = [2, 3]
input_tensor = torch.ones(sum(input_split_sizes), dtype=torch.int32).npu()
output_tensor = torch.zeros(input_split_sizes[rank], dtype=torch.int32).npu()
torch_npu.distributed.reduce_scatter_tensor_uneven(
    output_tensor,
    input_tensor,
    input_split_sizes=input_split_sizes,
    async_op=False
)

执行如下命令。

torchrun --nproc-per-node=2 test.py

（beta）torch_npu.distributed.reduce_scatter_tensor_uneven