文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型
issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型
规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

mindspore.Tensor.div

查看源文件
mindspore.Tensor.div(other, *, rounding_mode=None)

逐元素计算当前Tensor除以输入的另一个Tensor的商。

outi=inputi/otheri

说明

  • 当两个输入具有不同的shape时，它们的shape必须要能广播为一个共同的shape。

  • 两个输入不能同时为bool类型。[True, Tensor(True, bool_), Tensor(np.array([True]), bool_)]等都为bool类型。

  • 两个输入遵循隐式类型转换规则，使数据类型保持一致。

参数：

  • other (Union[Tensor, Number, bool]) - 另一个输入，可以是数值型或bool，也可以是数据类型为数值型或bool的Tensor。

关键字参数：

  • rounding_mode (str, 可选) - 应用于结果的舍入类型。三种类型被定义为 None 、 "floor" 和 "trunc" 。默认值： None 。

    • None：默认行为。相当于Python中的 true division 或NumPy中的 true_divide 。

    • "floor"：将除法的结果向下舍入。相当于Python中的 floor division 或NumPy中的 floor_divide 。

    • "trunc"：将除法的结果舍入到零。相当于C语言风格的整数除法。

返回：

Tensor，输出的shape与广播后的shape相同，数据类型取两个输入中精度较高或位数更多的。

异常：

  • TypeError - 如果 self 和 other 不是以下之一：Tensor、Number、bool。

  • ValueError - 如果 rounding_mode 不是以下之一： None 、 "floor" 、 "trunc" 。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor
>>> x = Tensor(np.array([1.0, 2.0, 3.0]), mindspore.float32)
>>> y = Tensor(np.array([4.0, 5.0, 6.0]), mindspore.float32)
>>> output = x.div(y)
>>> print(output)
[0.25 0.4 0.5]