forked from mindspore-Ecosystem/mindspore
48 lines
1.7 KiB
ReStructuredText
48 lines
1.7 KiB
ReStructuredText
mindspore.ops.Div
|
||
=================
|
||
|
||
.. py:class:: mindspore.ops.Div(*args, **kwargs)
|
||
|
||
按元素计算第一输入Tensor除以第二输入Tensor的商。
|
||
|
||
输入 `x` 和 `y` 遵循隐式类型转换规则，使数据类型保持一致。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只能是一个常数。
|
||
|
||
.. math::
|
||
|
||
out_{i} = \frac{x_i}{y_i}
|
||
|
||
**输入：**
|
||
|
||
- **x** (Union[Tensor, Number, bool]) - 第一个输入，是一个Number、bool值或数据类型为Number或bool的Tensor。
|
||
- **y** (Union[Tensor, Number, bool]) - 第二个输入，当第一个输入是Tensor时，第二个输入应该是一个Number或bool值，或数据类型为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的类型。
|
||
|
||
**异常：**
|
||
|
||
- **TypeError** - `x` 和 `y` 都不是Tensor。
|
||
|
||
**支持平台：**
|
||
|
||
``Ascend`` ``GPU`` ``CPU``
|
||
|
||
**样例：**
|
||
|
||
>>> # 用例1：两个输入的数据类型和shape相同
|
||
>>> x = Tensor(np.array([-4.0, 5.0, 6.0]), mindspore.float32)
|
||
>>> y = Tensor(np.array([3.0, 2.0, 3.0]), mindspore.float32)
|
||
>>> div = ops.Div()
|
||
>>> output = div(x, y)
|
||
>>> print(output)
|
||
[-1.3333334 2.5 2. ]
|
||
>>> # 用例2：两个输入的数据类型和shape不同
|
||
>>> x = Tensor(np.array([-4.0, 5.0, 6.0]), mindspore.int32)
|
||
>>> y = Tensor(2, mindspore.float32)
|
||
>>> output = div(x, y)
|
||
>>> print(output)
|
||
[-2. 2.5 3.]
|
||
>>> print(output.dtype)
|
||
Float32
|
||
|