mindspore.ops.floor_mod

mindspore.ops.floor_mod(x, y)[源代码]

将第一个输入Tensor除以第二个输入Tensor，并向下取余。

例如 \(floor(x / y) * y + mod(x, y) = x\) 。

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，它们的数据类型不能同时是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。

\[out_{i} =\text{floor}(x_{i} // y_{i})\]

其中 \(floor\) 表示Floor算子，有关更多详细信息，请参阅 mindspore.ops.Floor 算子。

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 \((D1, D2 ..., Dn)\) ，那么 D1*D2… *DN<=1000000,n<=8.

参数：

  • x (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。

  • y (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。

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 x 和 y 都不是Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.array([2, 4, -1]), mindspore.int32)
>>> y = Tensor(np.array([3, 3, 3]), mindspore.int32)
>>> output = ops.floor_mod(x, y)
>>> print(output)
[2 1 2]