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。

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。

提交

文档反馈

mindspore.ops.DivNoNan

class mindspore.ops.DivNoNan

对 x1 和 x2 逐元素执行安全除法，如果 x2 的元素为0，则返回0。

x1 和 x2 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，它们的dtype不能同时是bool类型的，它们的shape可以广播。 当输入是一个Tensor和一个Scalar时，Scalar只能是一个常数。

$$\begin{array}{r}outpu{t}_i=\{\begin{array}{ll}0,& \text{ if }x{2}_i=0\\ x{1}_i/x{2}_i,& \text{ if }x{2}_i\ne 0\end{array}\end{array}$$

输入：

• x1 (Union[Tensor, number.Number, bool]) - 第一个输入是number.Number、bool或者Tensor，数据类型为 number 。

• x2 (Union[Tensor, number.Number, bool]) - 当第一个输入是bool或数据类型为number或bool_的Tensor时，第二个输入是number.Number或bool。当第一个输入是Scalar时，第二个输入必须是数据类型为number或bool_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位较高的类型。

异常：

• TypeError - 如果 x1 和 x2 不是number.Number、bool或Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> x1 = Tensor(np.array([-1.0, 0., 1.0, 5.0, 6.0]), mindspore.float32)
>>> x2 = Tensor(np.array([0., 0., 0., 2.0, 3.0]), mindspore.float32)
>>> div_no_nan = ops.DivNoNan()
>>> output = div_no_nan(x1, x2)
>>> print(output)
[0.  0.  0.  2.5 2. ]