mindspore.ops.Mod
- class mindspore.ops.Mod[源代码]
将第一个输入Tensor逐元素除以第二个输入Tensor,并取余。
x 和 y 的输入遵循隐式类型转换规则,使数据类型一致。输入必须是两个Tensor或一个Tensor和一个Scalar。当输入是两个Tensor时,两个数据类型都不能是bool,它们的shape可以广播。当输入是一个Tensor和一个Scalar时,Scalar只能是一个常量。
\[out_{i} = x_{i} \text{ % } y_{i}\]Warning
输入数据不支持0。
当输出包含的元素个数超过2048时,该算子不能保证双千分之一的精度要求。
由于架构的差异,在NPU和CPU上生成的结果可能不一致。
如果shape表示为 \((D1、D2...、Dn)\) ,则D1*D2… *DN<=1000000,n<=8。
输入:
x (Union[Tensor, numbers.Number, bool]) - 第一个输入是数值型、bool,或数据类型为数值型的Tensor。
y (Union[Tensor, numbers.Number, bool]) - 当第一个输入是Tensor时,第二个输入可以是数值型、bool,或数据类型为数值型的Tensor。当第一个输入是数值型或bool时,第二个输入必须是数据类型为数值型的Tensor。
输出:
Tensor,shape与广播后的shape相同,数据类型为两个输入中精度较高或数据类型相对最高的类型。
异常:
TypeError - 如果 x 和 y 都不是以下之一:Tensor、数值型、bool。
TypeError - 如果 x 和 y 都不是Tensor。
ValueError - 如果 x 和 y 的shape不能相互广播。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> x = Tensor(np.array([-4.0, 5.0, 6.0]), mindspore.float32) >>> y = Tensor(np.array([3.0, 2.0, 3.0]), mindspore.float32) >>> mod = ops.Mod() >>> output = mod(x, y) >>> print(output) [-1. 1. 0.]