mindspore.mint.div
- mindspore.mint.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。
\[out_{i} = input_{i} / other_{i}\]说明
当两个输入具有不同的shape时,它们的shape必须要能广播为一个共同的shape。
两个输入不能同时为bool类型。[True, Tensor(True, bool_), Tensor(np.array([True]), bool_)]等都为bool类型。
两个输入遵循隐式类型转换规则,使数据类型保持一致。
- 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,为数值型,或bool,或数据类型为数值型或bool的Tensor。
- 关键字参数:
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
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, mint >>> 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 = mint.div(x, y) >>> print(output) [0.25 0.4 0.5]