torch.div()——数组的‘点除‘运算

视觉萌新、

已于 2023-11-20 21:03:40 修改

阅读量1.3w

点赞数 16

分类专栏： PyTorch学习笔记文章标签： pytorch python

于 2021-09-27 21:28:51 首次发布

本文链接：https://blog.csdn.net/qq_50001789/article/details/120517874

版权

PyTorch学习笔记专栏收录该内容

45 篇文章

订阅专栏

本文介绍了PyTorch中torch.div()函数的基本用法，包括元素级除法运算，支持广播和不同类型的输入，以及rounding_mode参数的三种舍入选项：默认、四舍五入和向下取整。通过实例演示了这些特性在实际应用中的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

torch.div()——数组的’点除’运算

torch.div(input, other, *, rounding_mode=None, out=None) → Tensor

功能：将数组input与数组other对应元素做除法，具体计算公式如下：
$out_i=\frac{input_i}{other_i}$
输入：

input：元素用于被除数的数组
other：元素用于除数的数组或者数
rounding_mode：输入为字符串类型，用于判断结果的舍入类型，有以下三种情况：
- None：默认行为，不执行舍入操作。
- trunc：将除法结果向零四舍五入，相当于C语言风格的除法。
- floor：将除法结果向下取整，等同于np.floor_divide

注意：

该运算支持广播机制，并且还支持整数、浮点数和复杂输入，始终将整数类型提升为默认标量类型
torch.div可以通过a.div实现，后者默认a当做被除数

代码案例

一般用法

import torch
a=torch.arange(20).reshape(5,4)
b=torch.arange(21,41).reshape(5,4)
c=torch.div(a,b)
print(a)
print(b)
print(c)

输出

# 被除数
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11],
        [12, 13, 14, 15],
        [16, 17, 18, 19]])
# 除数
tensor([[21, 22, 23, 24],
        [25, 26, 27, 28],
        [29, 30, 31, 32],
        [33, 34, 35, 36],
        [37, 38, 39, 40]])
# div结果(不进行舍入操作)
tensor([[0.0000, 0.0455, 0.0870, 0.1250],
        [0.1600, 0.1923, 0.2222, 0.2500],
        [0.2759, 0.3000, 0.3226, 0.3438],
        [0.3636, 0.3824, 0.4000, 0.4167],
        [0.4324, 0.4474, 0.4615, 0.4750]])

rounding_mode三种方式的区别

import torch
import numpy as np
a=torch.from_numpy(np.random.randn(2,5))
b=torch.from_numpy(np.random.randn(2,5))
c=torch.div(a,b)
d=torch.div(a,b,rounding_mode='trunc')
e=torch.div(a,b,rounding_mode='floor')
print(a)
print(b)
print(c)
print(d)
print(e)

输出

# 被除数
tensor([[-0.1634,  1.6856, -0.0897, -0.7464,  1.3927],
        [-0.9697,  0.2859,  0.2458,  0.3014,  0.0339]], dtype=torch.float64)
# 除数
tensor([[ 0.2383,  0.8596, -0.0589, -1.5333,  0.6570],
        [-0.3662,  0.1371, -0.1085, -0.0345,  0.2491]], dtype=torch.float64)
# 默认情况下，不进行舍入操作
tensor([[-0.6858,  1.9609,  1.5221,  0.4868,  2.1197],
        [ 2.6481,  2.0850, -2.2658, -8.7355,  0.1361]], dtype=torch.float64)
# trunc方式的舍入
tensor([[-0.,  1.,  1.,  0.,  2.],
        [ 2.,  2., -2., -8.,  0.]], dtype=torch.float64)
# floor方式的舍入
tensor([[-1.,  1.,  1.,  0.,  2.],
        [ 2.,  2., -3., -9.,  0.]], dtype=torch.float64)