扁平化网站首页广州动画制作公司

torch.distributed.all_gather_into_tensor 是 PyTorch 分布式库中的一个集合通信函数，用于将多个进程的本地张量聚合到一个全局张量中，每个进程都会得到完整的聚合结果。

与 all_gather 相比，它直接将结果收集到一个预先分配的输出张量中，更节省内存。

功能说明

• 作用：在所有参与通信的进程间，将每个进程的本地张量片段聚合到一个全局张量。每个进程都会收到包含所有进程数据的完整张量。
• 适用场景：需要收集分布式环境中各进程的局部结果（如分片数据、中间计算结果）并拼接成完整数据的场景（例如分布式推理中的结果合并）。

函数原型

torch.distributed.all_gather_into_tensor(output_tensor: torch.Tensor,input_tensor: torch.Tensor,group: Optional[ProcessGroup] = None,async_op: bool = False
)

• 参数：
  • output_tensor：预先分配的输出张量，用于存储所有进程的聚合结果（需在调用前确定正确形状）。
  • input_tensor：当前进程的输入张量（局部数据）。
  • group：通信组（默认使用全局组）。
  • async_op：是否异步执行（默认 False，同步执行）。

代码示例

以下示例展示了在 4 个进程的分布式环境中使用 all_gather_into_tensor 的流程：

import torch
import torch.distributed as dist
import os
import subprocessdef run(rank, size):# 初始化分布式环境os.environ['MASTER_ADDR'] = 'localhost'os.environ['MASTER_PORT'] = '12355'dist.init_process_group('gloo', rank=rank, world_size=size)  # 使用gloo后端（CPU），也可换nccl（GPU）# 每个进程创建本地张量（示例：rank=0→[0,0], rank=1→[1,1], 以此类推）local_tensor = torch.tensor([rank] * 2, dtype=torch.float32)print(f"进程 {rank} 的本地张量: {local_tensor}")# 预先分配输出张量：总大小 = 进程数 × 本地张量大小output_tensor = torch.empty((size, 2), dtype=torch.float32)  # 4个进程×2元素=8元素# 执行all_gather_into_tensor：聚合所有进程的本地张量到output_tensordist.all_gather_into_tensor(output_tensor, local_tensor)# 每个进程都会得到完整的聚合结果print(f"进程 {rank} 的聚合结果: {output_tensor}")def main():size = 4  # 总进程数# 使用subprocess启动多个进程processes = []for rank in range(size):p = subprocess.Popen(['python', '-c', f"from __main__ import run; run({rank}, {size})"])processes.append(p)for p in processes:p.wait()if __name__ == "__main__":main()

输入输出说明

• 输入：每个进程的 local_tensor 是形状为 (2,) 的张量，内容为 [rank, rank]（例如进程 0 的输入是 [0., 0.]，进程 1 的输入是 [1., 1.] 等）。
• 输出：每个进程的 output_tensor 是预先分配的形状为 (4, 2) 的张量，聚合了所有 4 个进程的本地数据，结果为：

  tensor([[0., 0.],[1., 1.],[2., 2.],[3., 3.]])
  

关键注意事项

1. 输出张量预分配：output_tensor 必须在调用前分配好内存，且形状需满足 (world_size, ) + input_tensor.shape（假设按第 0 维度聚合）。
2. 数据一致性：所有进程的 input_tensor 必须具有相同的形状和数据类型，否则会导致错误。
3. 后端选择：CPU 环境推荐使用 gloo 后端，GPU 环境推荐使用 nccl 后端以获得更高性能。
4. 同步性：默认同步执行，函数返回时聚合已完成；若设 async_op=True，需通过返回的 Work 对象调用 wait() 确保完成。

该函数比传统的 all_gather 更高效，因为它避免了中间列表的创建，直接写入预分配的张量，适合大规模数据聚合场景。