mindspore.mint.div

mindspore.mint.div(input, other, *, rounding_mode=None)[源代码]

逐元素计算第一个输入Tensor除以第二输入Tensor的商。

\[out_{i} = input_{i} / other_{i}\]

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：

  • input (Union[Tensor, Number, bool]) - 第一个输入，为数值型，或bool，或数据类型为数值型或bool的Tensor。

  • other (Union[Tensor, Number, bool]) - 第二个输入，为数值型，或bool，或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数字较高的。

异常：

  • TypeError - 如果 input 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

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> 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 = mint.div(x, y)
>>> print(output)
[0.25 0.4 0.5]