Python tf.distribute.MirroredStrategy.gather用法及代码示例

用法

gather(
    value, axis
)

沿 axis 跨副本收集 value 到当前设备。

给定一个 tf.distribute.DistributedValues 或 tf.Tensor 类对象 value ，此 API 沿 axis -th 维度跨副本收集并连接 value。结果被复制到 "current" 设备，该设备通常是运行程序的工作线程的 CPU。对于 tf.distribute.TPUStrategy ，它是第一个 TPU 主机。对于 multi-client tf.distribute.MultiWorkerMirroredStrategy ，这是每个工作人员的 CPU。

此 API 只能在 cross-replica 上下文中调用。对于副本上下文中的对应项，请参阅 tf.distribute.ReplicaContext.all_gather 。

注意：对于除 tf.distribute.TPUStrategy 之外的所有策略，不同副本上的输入 value 必须具有相同的等级，并且它们的形状必须在除 axis -th 维度之外的所有维度上相同。换句话说，它们的形状在d 维度上不能不同，其中d 不等于axis 参数。例如，给定一个 tf.distribute.DistributedValues 在两个副本上具有形状为 (1, 2, 3) 和 (1, 3, 3) 的分量张量，您可以在其上调用 gather(..., axis=1, ...) ，但不能调用 gather(..., axis=0, ...) 或 gather(..., axis=2, ...) 。但是，对于 tf.distribute.TPUStrategy.gather ，所有张量必须具有完全相同的秩和相同的形状。

注意：给定 tf.distribute.DistributedValues value ，其分量张量必须具有非零秩。否则，请考虑在收集它们之前使用tf.expand_dims。

strategy = tf.distribute.MirroredStrategy(["GPU:0", "GPU:1"])
# A DistributedValues with component tensor of shape (2, 1) on each replica
distributed_values = strategy.experimental_distribute_values_from_function(lambda _:tf.identity(tf.constant([[1], [2]])))
@tf.function
def run():
  return strategy.gather(distributed_values, axis=0)
run()
<tf.Tensor:shape=(4, 1), dtype=int32, numpy=
array([[1],
       [2],
       [1],
       [2]], dtype=int32)>

考虑以下示例以获得更多组合：

strategy = tf.distribute.MirroredStrategy(["GPU:0", "GPU:1", "GPU:2", "GPU:3"])
single_tensor = tf.reshape(tf.range(6), shape=(1,2,3))
distributed_values = strategy.experimental_distribute_values_from_function(lambda _:tf.identity(single_tensor))
@tf.function
def run(axis):
  return strategy.gather(distributed_values, axis=axis)
axis=0
run(axis)
<tf.Tensor:shape=(4, 2, 3), dtype=int32, numpy=
array([[[0, 1, 2],
        [3, 4, 5]],
       [[0, 1, 2],
        [3, 4, 5]],
       [[0, 1, 2],
        [3, 4, 5]],
       [[0, 1, 2],
        [3, 4, 5]]], dtype=int32)>
axis=1
run(axis)
<tf.Tensor:shape=(1, 8, 3), dtype=int32, numpy=
array([[[0, 1, 2],
        [3, 4, 5],
        [0, 1, 2],
        [3, 4, 5],
        [0, 1, 2],
        [3, 4, 5],
        [0, 1, 2],
        [3, 4, 5]]], dtype=int32)>
axis=2
run(axis)
<tf.Tensor:shape=(1, 2, 12), dtype=int32, numpy=
array([[[0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2],
        [3, 4, 5, 3, 4, 5, 3, 4, 5, 3, 4, 5]]], dtype=int32)>