mindspore.ops.floor_mod

mindspore.ops.floor_mod(x, y)[源代码]

逐元素计算第一个输入除以第二个输入，并向下取余。

如果两个输入数据类型不同，遵循隐式类型转换规则。输入必须是两个tensor或一个tensor和一个scalar。当输入是两个tensor时，其shape须可以进行广播，并且数据类型不能同时为bool。

o u t_{i} = floor (x_{i} / / y_{i})

警告

输入 y 的元素不能等于0，否则将返回当前数据类型的最大值。
当输入元素数量超过2048时，算子的精度不能保证千分之二的要求。
由于架构不同，该算子在NPU和CPU上的计算结果可能不一致。
如果shape表示为 $(D 1, D 2 . . ., D n)$ ，那么 D1*D2… *DN<=1000000,n<=8。

参数：

x (Union[Tensor, Number, bool]) - 第一个输入tensor。
y (Union[Tensor, Number, bool]) - 第二个输入tensor。

返回：

Tensor

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> # case 1: Two tensors with boolean and integer data type.
>>> input = mindspore.tensor([True, True, False])
>>> other = mindspore.tensor([1, 2, 4])
>>> output = mindspore.ops.floor_mod(input, other)
>>> print(output)
[0 1 0]
>>>
>>> # case 2: One tensor and one scalar.
>>> input = mindspore.tensor([1, 2, 4])
>>> other = mindspore.tensor(1.5)
>>> output = mindspore.ops.floor_mod(input, other)
>>> print(output)
[1.  0.5 1. ]
>>>
>>> # case 3: When inputs have different data types, type promotion rules are followed.
>>> input = mindspore.tensor([1, 2, 4], mindspore.int32)
>>> other = mindspore.tensor([1.1, 2.5, -1.5], mindspore.float32)
>>> output = mindspore.ops.floor_mod(input, other)
>>> print(output)
[ 1.   2.  -0.5]