已合并
convert_torch_express_to_hyper_parallel #64
yide12创建于 2025年12月30日
convert_torch_express_to_hyper_parallel #64
已合并
从refs/pull/64/head合入到master
Pull Request已成功合入, 合并人@
（感谢 yide12 的贡献）2025年12月30日 指派了 CODEOWNER yangzhenzhang 审查
2025年12月30日 指派了 CODEOWNER kisnwang 审查
2025年12月30日 添加了
mindspore-cla/yes
标签
2025年12月30日 添加了
pr-check-pass
标签
2025年12月30日 强制推送 了代码
2025年12月30日 更新了标题
不从torch.distributed中import任何东西
这几个字段暂时没用的话，可以先不加，后续需要再加；或者每次获取的时候都重新算一下，反正不费时间
这块当前只是记录一下，后续再近一步处理是吗
2025年12月30日 强制推送 了代码
此处折叠了18条事件消息 查看更多
1月9日 强制推送 了代码
1月9日 更新了说明
1月9日 更新了说明
这块要不要加个 * 控制关键字参数。或者device_mesh的优先级高于layout?
changzherui
1月9日 评论：
1月9日 评论：
我们后续要支持 直接使用 DTensor(full_tensor, devicemesh, placement)创建
不能仅支持from_local
hyper_parallel/core/layout.py
@@ -417,0 +425,4 @@
425+ cluster devices.
426+
427+ Returns:
428+ Layout: A new Layout instance initialized with the properties of the provided device mesh.
placements是只读属性，应该使用obj._placements = None
dim是方法不是属性，建议改成local_tensor.dim()
3月4日 修改了pull request 的描述
相关的Issue
hyper_parallel增加三种placement，Shard，Replicate，Partial
https://gitee.com/mindspore/hyper-parallel/issues/IDJV25
https://gitcode.com/mindspore/hyper-parallel/issues/7
原因（目的、解决的问题等）
目前在分布式并行逻辑中，用户通常需要通过复杂的 tensor_map来手动配置张量的切分策略。这种方式对用户不够直观。为了提升分布式编程的可读性和易用性，需要引入一套高层抽象的放置策略（Placement）体系，并实现其与底层执行算子所需的 tensor_map 之间的自动转换。
描述（做了什么，变更了什么）
1.新增三种placement表达，shard,replicate,partial
2.新增类方法: Layout.from_device_mesh，通过device_mesh创建layout实例。传入子mesh时，tensor_map按照子mesh维度信息进行转换。
3.layout新增placement_to_tensor_map(dim),tensor_map_to_placement方法，支持placement<=>tensor_map相互转换。限制：不支持高纬tp。
测试用例（新增、改动、可能影响的功能）
新增测试文件：tests/mindspore/st/test_placement_conversion.py，验证简单场景下的转换。