jax.lax.all_gather

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

跨所有副本收集 x 的值。

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

这等效于 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 – 用于命名 pmapped 轴的可哈希 Python 对象（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]] 将在前面两个和最后两个副本上运行 all gather）。组必须恰好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，沿着 axis_name 的块将连接到该轴中。

• tiled – 当 False 时，分块将在输出中 axis 索引处堆叠到一个新的位置轴上。当 True 时，axis 必须引用一个现有的位置维度，并且分块将连接到该维度中。

返回:

表示沿轴 axis_name 进行全收集操作的结果的数组。形状与 x.shape 相同，但是

• 当 tiled 为 False 时，在位置 axis 处会有一个新的维度，其大小等于轴 axis_name 的大小，

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

例如，如果有 4 个可用的 XLA 设备

>>> 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]]]