Div

Div - 14

版本

  • 名称: Div (GitHub)

  • 域: main

  • 起始版本: 14

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的算子自版本 14 起可用。

摘要

执行逐元素的二进制除法（支持 Numpy 风格的广播）。

此算子支持多方向（即 Numpy 风格）广播；更多详情请查看 ONNX 中的广播。

（Opset 14 更改）：扩展支持的类型，包括 uint8、int8、uint16 和 int16。

输入

  • A (异构) - T

    第一个操作数。

  • B (异构) - T

    第二个操作数。

输出

  • C (异构) - T

    结果，具有与两个输入相同的元素类型

类型约束

  • T in ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16), tensor(int16), tensor(int32), tensor(int64), tensor(int8), tensor(uint16), tensor(uint32), tensor(uint64), tensor(uint8) )

    将输入和输出类型限制为所有数值张量。

Div - 13

版本

  • 名称: Div (GitHub)

  • 域: main

  • 起始版本: 13

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的算子自版本 13 起可用。

摘要

执行逐元素的二进制除法（支持 Numpy 风格的广播）。

此算子支持多方向（即 Numpy 风格）广播；更多详情请查看 ONNX 中的广播。

输入

  • A (异构) - T

    第一个操作数。

  • B (异构) - T

    第二个操作数。

输出

  • C (异构) - T

    结果，具有与两个输入相同的元素类型

类型约束

  • T in ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16), tensor(int32), tensor(int64), tensor(uint32), tensor(uint64) )

    将输入和输出类型限制为高精度数值张量。

Div - 7

版本

  • 名称: Div (GitHub)

  • 域: main

  • 起始版本: 7

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的算子自版本 7 起可用。

摘要

执行逐元素的二进制除法（支持 Numpy 风格的广播）。

此算子支持多方向（即 Numpy 风格）广播；更多详情请查看 ONNX 中的广播。

输入

  • A (异构) - T

    第一个操作数。

  • B (异构) - T

    第二个操作数。

输出

  • C (异构) - T

    结果，具有与两个输入相同的元素类型

类型约束

  • T in ( tensor(double), tensor(float), tensor(float16), tensor(int32), tensor(int64), tensor(uint32), tensor(uint64) )

    将输入和输出类型限制为高精度数值张量。

Div - 6

版本

  • 名称: Div (GitHub)

  • 域: main

  • 起始版本: 6

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的算子自版本 6 起可用。

摘要

执行逐元素的二进制除法（支持有限的广播）。

如有必要，右侧参数将广播以匹配左侧参数的形状。指定广播时，第二个张量可以是元素大小为 1（包括标量张量以及秩小于或等于第一个张量的任何张量），或者其形状是第一个张量形状的连续子集。相互匹配的形状的起始位置由参数“axis”指定，如果未设置，则假定为后缀匹配。一维扩展尚不支持。

例如，支持以下张量形状（使用 broadcast=1）

shape(A) = (2, 3, 4, 5), shape(B) = (,), 即 B 是一个标量张量 shape(A) = (2, 3, 4, 5), shape(B) = (1, 1), 即 B 是一个 1 元素张量 shape(A) = (2, 3, 4, 5), shape(B) = (5,) shape(A) = (2, 3, 4, 5), shape(B) = (4, 5) shape(A) = (2, 3, 4, 5), shape(B) = (3, 4), 其中 axis=1 shape(A) = (2, 3, 4, 5), shape(B) = (2), 其中 axis=0

需要传递属性 broadcast=1 以启用广播。

属性

  • axis - INT :

    如果设置，定义广播维度。详情请参阅文档。

  • broadcast - INT (默认为 '0')

    传递 1 以启用广播

输入

  • A (异构) - T

    第一个操作数，应与第二个操作数共享类型。

  • B (异构) - T

    第二个操作数。启用广播时可以小于 A 的大小。如果禁用广播，则应与 A 的大小相同。

输出

  • C (异构) - T

    结果，具有与 A 相同的维度和类型

类型约束

  • T in ( tensor(double), tensor(float), tensor(float16), tensor(int32), tensor(int64), tensor(uint32), tensor(uint64) )

    将输入和输出类型限制为高精度数值张量。

Div - 1

版本

  • 名称: Div (GitHub)

  • 域: main

  • 起始版本: 1

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: False

此版本的算子自版本 1 起可用。

摘要

执行逐元素的二进制除法（支持有限的广播）。

如有必要，右侧参数将广播以匹配左侧参数的形状。指定广播时，第二个张量可以是元素大小为 1（包括标量张量以及秩小于或等于第一个张量的任何张量），或者其形状是第一个张量形状的连续子集。相互匹配的形状的起始位置由参数“axis”指定，如果未设置，则假定为后缀匹配。一维扩展尚不支持。

例如，支持以下张量形状（使用 broadcast=1）

shape(A) = (2, 3, 4, 5), shape(B) = (,), 即 B 是一个标量张量 shape(A) = (2, 3, 4, 5), shape(B) = (1, 1), 即 B 是一个 1 元素张量 shape(A) = (2, 3, 4, 5), shape(B) = (5,) shape(A) = (2, 3, 4, 5), shape(B) = (4, 5) shape(A) = (2, 3, 4, 5), shape(B) = (3, 4), 其中 axis=1 shape(A) = (2, 3, 4, 5), shape(B) = (2), 其中 axis=0

需要传递属性 broadcast=1 以启用广播。

属性

  • axis - INT :

    如果设置，定义广播维度。详情请参阅文档。

  • broadcast - INT (默认为 '0')

    传递 1 以启用广播

  • consumed_inputs - INTS :

    遗留的优化属性。

输入

  • A (异构) - T

    第一个操作数，应与第二个操作数共享类型。

  • B (异构) - T

    第二个操作数。启用广播时可以小于 A 的大小。如果禁用广播，则应与 A 的大小相同。

输出

  • C (异构) - T

    结果，具有与 A 相同的维度和类型

类型约束

  • T in ( tensor(double), tensor(float), tensor(float16) )

    将输入和输出类型限制为浮点张量。