mindspore.ops.div

mindspore.ops.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。

input 和 other 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，它们的数据类型不能同时为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。

\[out_{i} = input_{i} / other_{i}\]
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，当第一个输入是Tensor时，第二个输入必须是一个数值型或bool，或是数据类型为数值型或bool的Tensor。

  • 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 CPU GPU

样例：

>>> 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 = ops.div(x, y)
>>> print(output)
[0.25 0.4 0.5]