jax.sharding 模块

内容

jax.sharding 模块#

类#

class jax.sharding.Sharding#

描述 jax.Array 如何在设备之间分布。

property addressable_devices: set[Device]#

当前进程可寻址的 Sharding 中的设备集。

addressable_devices_indices_map(global_shape)[source]#

可寻址设备到每个设备包含的数组数据切片的映射。

addressable_devices_indices_map 包含 device_indices_map 中适用于可寻址设备的部分。

参数:

global_shape (Shape)

返回类型:

Mapping[Device, Index | None]

property device_set: set[Device][source]#

此 Sharding 所跨越的设备集。

在多控制器 JAX 中，设备集是全局的，即包括来自其他进程的不可寻址设备。

devices_indices_map(global_shape)[source]#

返回设备到每个设备包含的数组切片的映射。

此映射包括所有全局设备，即包括来自其他进程的不可寻址设备。

参数:

global_shape (Shape)

返回类型:

Mapping[Device, Index]

is_equivalent_to(other, ndim)[source]#

如果两个分片等效，则返回 True。

如果两个分片将相同的逻辑数组分片放置在相同的设备上，则它们等效。

例如，NamedSharding 可能等效于 PositionalSharding，如果两者都将数组的相同分片放置在相同的设备上。

参数:
返回类型:

bool

property is_fully_addressable: bool[source]#

此分片是否完全可寻址？

如果当前进程可以寻址 Sharding 中命名的所有设备，则分片是完全可寻址的。 is_fully_addressable 等效于多进程 JAX 中的“is_local”。

property is_fully_replicated: bool[source]#

此分片是否完全复制？

如果每个设备都有整个数据的完整副本，则分片是完全复制的。

property memory_kind: str | None[source]#

返回分片的内存类型。

property num_devices: int[source]#

分片包含的设备数量。

shard_shape(global_shape)[source]#

返回每个设备上的数据形状。

此函数返回的分片形状是根据 global_shape 和分片的属性计算得出的。

参数:

global_shape (Shape)

返回类型:

Shape

with_memory_kind(kind)[source]#

返回具有指定内存类型的新 Sharding 实例。

参数:

kind (str)

返回类型:

Sharding

class jax.sharding.SingleDeviceSharding#

Bases: Sharding

将数据放置在单个设备上的 Sharding。

参数:

device – 单个 Device。

示例

>>> single_device_sharding = jax.sharding.SingleDeviceSharding(
...     jax.devices()[0])
property device_set: set[Device][source]#

此 Sharding 所跨越的设备集。

在多控制器 JAX 中，设备集是全局的，即包括来自其他进程的不可寻址设备。

devices_indices_map(global_shape)[source]#

返回设备到每个设备包含的数组切片的映射。

此映射包括所有全局设备，即包括来自其他进程的不可寻址设备。

参数:

global_shape (Shape)

返回类型:

Mapping[Device, Index]

property is_fully_addressable: bool[source]#

此分片是否完全可寻址？

如果当前进程可以寻址 Sharding 中命名的所有设备，则分片是完全可寻址的。 is_fully_addressable 等效于多进程 JAX 中的“is_local”。

property is_fully_replicated: bool[source]#

此分片是否完全复制？

如果每个设备都有整个数据的完整副本，则分片是完全复制的。

property memory_kind: str | None[source]#

返回分片的内存类型。

property num_devices: int[source]#

分片包含的设备数量。

with_memory_kind(kind)[source]#

返回具有指定内存类型的新 Sharding 实例。

参数:

kind (str)

返回类型:

SingleDeviceSharding

class jax.sharding.NamedSharding#

Bases: Sharding

一个 NamedSharding 使用命名轴来表示分片。

一个 NamedSharding 是一个 Mesh 设备和 PartitionSpec 的对，描述了如何在该网格上对数组进行分片。

一个 Mesh 是 JAX 设备的多维 NumPy 数组，网格的每个轴都有一个名称，例如 'x' 或 'y'。

一个 PartitionSpec 是一个元组，其元素可以是 None，网格轴或网格轴的元组。每个元素描述了输入维度如何在零个或多个网格维度上进行分区。例如，PartitionSpec('x', 'y') 表示数据的第一个维度在网格的 x 轴上进行分片，第二个维度在网格的 y 轴上进行分片。

分布式数组和自动并行化 (https://jax.net.cn/en/latest/notebooks/Distributed_arrays_and_automatic_parallelization.html#namedsharding-gives-a-way-to-express-shardings-with-names) 教程包含更多详细信息和图表，解释了 Mesh 和 PartitionSpec 的使用方法。

参数:

示例

>>> from jax.sharding import Mesh
>>> from jax.sharding import PartitionSpec as P
>>> mesh = Mesh(np.array(jax.devices()).reshape(2, 4), ('x', 'y'))
>>> spec = P('x', 'y')
>>> named_sharding = jax.sharding.NamedSharding(mesh, spec)
property addressable_devices: set[Device][source]#

当前进程可寻址的 Sharding 中的设备集。

property device_set: set[Device][source]#

此 Sharding 所跨越的设备集。

在多控制器 JAX 中，设备集是全局的，即包括来自其他进程的不可寻址设备。

property is_fully_addressable: bool[source]#

此分片是否完全可寻址？

如果当前进程可以寻址 Sharding 中命名的所有设备，则分片是完全可寻址的。 is_fully_addressable 等效于多进程 JAX 中的“is_local”。

property is_fully_replicated: bool#

此分片是否完全复制？

如果每个设备都有整个数据的完整副本，则分片是完全复制的。

property memory_kind: str | None[source]#

返回分片的内存类型。

property mesh#

(self) -> object

property num_devices: int[source]#

分片包含的设备数量。

property spec#

(self) -> object

with_memory_kind(kind)[source]#

返回具有指定内存类型的新 Sharding 实例。

参数:

kind (str)

返回类型:

NamedSharding

class jax.sharding.PositionalSharding(devices, *, memory_kind=None)[source]#

Bases: Sharding

参数:

  • devices (Sequence[xc.Device] | np.ndarray)

  • memory_kind (str | None)

property device_set: set[xc.Device]#

此 Sharding 所跨越的设备集。

在多控制器 JAX 中，设备集是全局的，即包括来自其他进程的不可寻址设备。

property is_fully_addressable: bool#

此分片是否完全可寻址？

如果当前进程可以寻址 Sharding 中命名的所有设备，则分片是完全可寻址的。 is_fully_addressable 等效于多进程 JAX 中的“is_local”。

property is_fully_replicated: bool#

此分片是否完全复制？

如果每个设备都有整个数据的完整副本，则分片是完全复制的。

property memory_kind: str | None[source]#

返回分片的内存类型。

property num_devices: int[source]#

分片包含的设备数量。

with_memory_kind(kind)[source]#

返回具有指定内存类型的新 Sharding 实例。

参数:

kind (str)

返回类型:

PositionalSharding

class jax.sharding.PmapSharding#

Bases: Sharding

描述 jax.pmap() 使用的分片。

classmethod default(shape, sharded_dim=0, devices=None)[source]#

创建一个 PmapSharding，它与 jax.pmap() 使用的默认放置方式匹配。

参数:

  • shape (Shape) – 输入数组的形状。

  • sharded_dim (int) – 输入数组被分片的维度。默认为 0。

  • devices (Sequence[xc.Device] | None | None) – 可选的设备序列。如果省略，则隐式

  • used (pmap 使用的设备顺序为) – jax.local_devices().

  • of (这是顺序) – jax.local_devices().

返回类型:

PmapSharding

property device_set: set[Device]#

此 Sharding 所跨越的设备集。

在多控制器 JAX 中，设备集是全局的，即包括来自其他进程的不可寻址设备。

property devices#

(self) -> ndarray

devices_indices_map(global_shape)[source]#

返回设备到每个设备包含的数组切片的映射。

此映射包括所有全局设备，即包括来自其他进程的不可寻址设备。

参数:

global_shape (Shape)

返回类型:

Mapping[Device, Index]

is_equivalent_to(other, ndim)[source]#

如果两个分片等效，则返回 True。

如果两个分片将相同的逻辑数组分片放置在相同的设备上，则它们等效。

例如，NamedSharding 可能等效于 PositionalSharding，如果两者都将数组的相同分片放置在相同的设备上。

参数:
返回类型:

bool

property is_fully_addressable: bool#

此分片是否完全可寻址？

如果当前进程可以寻址 Sharding 中命名的所有设备，则分片是完全可寻址的。 is_fully_addressable 等效于多进程 JAX 中的“is_local”。

property is_fully_replicated: bool#

此分片是否完全复制？

如果每个设备都有整个数据的完整副本，则分片是完全复制的。

property memory_kind: str | None[source]#

返回分片的内存类型。

property num_devices: int[source]#

分片包含的设备数量。

shard_shape(global_shape)[source]#

返回每个设备上的数据形状。

此函数返回的分片形状是根据 global_shape 和分片的属性计算得出的。

参数:

global_shape (Shape)

返回类型:

Shape

property sharding_spec#

(self) -> jax::ShardingSpec

with_memory_kind(kind)[source]#

返回具有指定内存类型的新 Sharding 实例。

参数:

kind (str)

class jax.sharding.GSPMDSharding#

Bases: Sharding

property device_set: set[Device]#

此 Sharding 所跨越的设备集。

在多控制器 JAX 中，设备集是全局的，即包括来自其他进程的不可寻址设备。

property is_fully_addressable: bool#

此分片是否完全可寻址？

如果当前进程可以寻址 Sharding 中命名的所有设备，则分片是完全可寻址的。 is_fully_addressable 等效于多进程 JAX 中的“is_local”。

property is_fully_replicated: bool#

此分片是否完全复制？

如果每个设备都有整个数据的完整副本，则分片是完全复制的。

property memory_kind: str | None[source]#

返回分片的内存类型。

property num_devices: int[source]#

分片包含的设备数量。

with_memory_kind(kind)[source]#

返回具有指定内存类型的新 Sharding 实例。

参数:

kind (str)

返回类型:

GSPMDSharding

class jax.sharding.PartitionSpec(*partitions)[source]#

描述如何在设备网格上对数组进行分区的元组。

每个元素都是 None、一个字符串或一个字符串元组。有关更多详细信息，请参阅 jax.sharding.NamedSharding 的文档。

此类存在是为了使 JAX 的 pytree 实用程序能够区分分区规范和应被视为 pytree 的元组。

class jax.sharding.Mesh(devices, axis_names)[source]#

声明此管理器范围内的可用硬件资源。

特别地，所有 axis_names 在受管块内部变为有效的资源名称，并且可以使用，例如在 jax.experimental.pjit.pjit() 的 in_axis_resources 参数中。另请参阅 JAX 的多进程编程模型 (https://jax.net.cn/en/latest/multi_process.html) 和分布式数组和自动并行化教程 (https://jax.net.cn/en/latest/notebooks/Distributed_arrays_and_automatic_parallelization.html)

如果在多个线程中进行编译，请确保 with Mesh 上下文管理器位于线程将执行的函数内部。

参数:

  • devices (np.ndarray) – 包含 JAX 设备对象（例如从 jax.devices() 获取）的 NumPy ndarray 对象。

  • axis_names (tuple[MeshAxisName, ...]) – 要分配给 devices 参数维度的资源轴名称序列。其长度应与 devices 的秩匹配。

示例

>>> from jax.experimental.pjit import pjit
>>> from jax.sharding import Mesh
>>> from jax.sharding import PartitionSpec as P
>>> import numpy as np
...
>>> inp = np.arange(16).reshape((8, 2))
>>> devices = np.array(jax.devices()).reshape(4, 2)
...
>>> # Declare a 2D mesh with axes `x` and `y`.
>>> global_mesh = Mesh(devices, ('x', 'y'))
>>> # Use the mesh object directly as a context manager.
>>> with global_mesh:
...   out = pjit(lambda x: x, in_shardings=None, out_shardings=None)(inp)

>>> # Initialize the Mesh and use the mesh as the context manager.
>>> with Mesh(devices, ('x', 'y')) as global_mesh:
...   out = pjit(lambda x: x, in_shardings=None, out_shardings=None)(inp)

>>> # Also you can use it as `with ... as ...`.
>>> global_mesh = Mesh(devices, ('x', 'y'))
>>> with global_mesh as m:
...   out = pjit(lambda x: x, in_shardings=None, out_shardings=None)(inp)

>>> # You can also use it as `with Mesh(...)`.
>>> with Mesh(devices, ('x', 'y')):
...   out = pjit(lambda x: x, in_shardings=None, out_shardings=None)(inp)
内容