jax.lax.all_gather#

jax.lax.all_gather(x, axis_name, *, axis_index_groups=None, axis=0, tiled=False)[source]#

跨所有副本收集 x 的值。

如果 x 是一个 pytree，那么结果等同于将此函数映射到树中的每个叶子节点。

这等同于 all_to_all(broadcast(x))，但速度更快。

参数：

• x – 具有名为 axis_name 的映射轴的数组。

• axis_name – 可哈希的 Python 对象，用于命名 pmapped 轴（有关更多详细信息，请参阅 jax.pmap() 文档）。

• axis_index_groups – 可选的列表列表，包含轴索引（例如，对于大小为 4 的轴，[[0, 1], [2, 3]] 将在前两个和后两个副本上运行 all gather）。组必须精确覆盖所有轴索引一次，并且所有组的大小必须相同。

• axis – 一个位置轴，沿 axis_name 的块将连接到其中。

• tiled – 当为 False 时，块将被堆叠到输出中索引为 axis 的新位置轴中。当为 True 时，axis 必须引用现有的位置维度，并且块将被连接到该维度中。

返回值：

表示沿轴 axis_name 进行 all-gather 的结果的数组。形状与 x.shape 相同，但

• 当 tiled 为 False 时，在位置 axis 中会有一个等于轴 axis_name 大小的新维度，

• 当 tiled 为 True 时，位置 axis 中的维度大小乘以轴 axis_name 的大小。

例如，在有 4 个 XLA 设备可用的情况下

>>> x = np.arange(4)
>>> y = jax.pmap(lambda x: jax.lax.all_gather(x, 'i'), axis_name='i')(x)
>>> print(y)
[[0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]
 [0 1 2 3]]

使用 axis_index_groups 的示例，按偶数和奇数设备 ID 分组

>>> x = np.arange(16).reshape(4, 4)
>>> print(x)
  [[ 0  1  2  3]
   [ 4  5  6  7]
   [ 8  9 10 11]
   [12 13 14 15]]
>>> def f(x):
...   return jax.lax.all_gather(
...       x, 'i', axis_index_groups=[[0, 2], [3, 1]])
>>> y = jax.pmap(f, axis_name='i')(x)
>>> print(y)
[[[ 0  1  2  3]
  [ 8  9 10 11]]
 [[12 13 14 15]
  [ 4  5  6  7]]
 [[ 0  1  2  3]
  [ 8  9 10 11]]
 [[12 13 14 15]
  [ 4  5  6  7]]]