mindspore.Tensor.remainder

mindspore.Tensor.remainder(other)

逐元素计算 self 除以 other 后的余数。结果与除数同号且绝对值小于除数的绝对值。

支持广播和隐式数据类型提升。

remainder(input, other) == input - input.div(other, rounding_mode="floor") * other

说明

输入不支持复数类型。至少一个输入为tensor，且不能都为布尔型tensor。 除数 self 为数据类型为 number 或 bool_ 的Tensor。

参数：

• other (Union[Tensor, numbers.Number, bool]) - 被除数为数值型、bool或数据类型为数值型或bool的Tensor。当除数是Tensor时，则被除数是数值型、bool或数据类型为数值型或bool的Tensor。

返回：

Tensor，经过隐式类型提升和广播。

异常：

• TypeError - 如果 self 和 other 不是以下类型之一：(tensor, tensor)，(tensor, number)，(tensor, bool)，(number, tensor) 或 (bool, tensor)。

• ValueError - 如果 self 和 other 不能被广播。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import Tensor
>>> x = Tensor(np.array([-4.0, 5.0, 6.0]).astype(np.float32))
>>> y = Tensor(np.array([3.0, 2.0, 3.0]).astype(np.float64))
>>> output = x.remainder(y)
>>> print(output)
[2.  1.  0.]

mindspore.Tensor.remainder(divisor)

逐元素计算第一个元素除以第二个元素的余数。

self 和 divisor 的输入遵守隐式类型转换规则，以使数据类型一致。输入必须是两个Tensor或者一个Tensor和一个Scalar。当输入是两个Tensor时，两个dtype都不能是bool类型，shape可以广播。当输入是Tensor和Scalar时，这个Scalar只能是常数。

remainder(input, other) == input - input.div(other, rounding_mode="floor") * other

警告

• 当输入元素超过2048时，可能会有精度问题。

• 在Ascend和CPU上的计算结果可能不一致。

• 如果shape表示为(D1,D2…Dn)，那么D1 * D2……* DN <= 1000000，n <= 8。

说明

第一个输入 self 为dtype是Number的Tensor。

参数：

• divisor (Union[Tensor, numbers.Number, bool]) - 当第一个输入是一个Tensor时，第二个输入可以是Number、bool或者dtype是Number的Tensor。

返回：

Tensor，具有和其中一个输入广播后相同的shape，数据类型是两个输入中精度较高的数据类型。

异常：

• TypeError - self 和 divisor 的类型不是Tensor，number或bool。

• ValueError - self 和 divisor 的shape不能广播成对方的shape。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor
>>> x = Tensor(np.array([-4.0, 5.0, 6.0]).astype(np.float16))
>>> y = Tensor(np.array([3.0, 2.0, 3.0]).astype(np.float16))
>>> output = x.remainder(divisor=y)
>>> print(output)
[2.  1.  0.]