除法

除法 - 14

版本

  • 名称: Div (GitHub)

  • 域: main

  • 自版本: 14

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符已自版本14起可用。

摘要

执行按元素二元除法（支持NumPy风格的广播）。

此运算符支持多方向（即NumPy风格）广播；有关更多详细信息，请查看ONNX中的广播。

（Opset 14更改）：扩展支持的类型以包含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，与两个输入具有相同的元素类型

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) )

    将输入和输出类型约束为所有数值张量。

除法 - 13

版本

  • 名称: Div (GitHub)

  • 域: main

  • 自版本: 13

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符已自版本13起可用。

摘要

执行按元素二元除法（支持NumPy风格的广播）。

此运算符支持多方向（即NumPy风格）广播；有关更多详细信息，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，与两个输入具有相同的元素类型

类型约束

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

    将输入和输出类型约束为高精度数值张量。

除法 - 7

版本

  • 名称: Div (GitHub)

  • 域: main

  • 自版本: 7

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符已自版本7起可用。

摘要

执行按元素二元除法（支持NumPy风格的广播）。

此运算符支持多方向（即NumPy风格）广播；有关更多详细信息，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，与两个输入具有相同的元素类型

类型约束

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

    将输入和输出类型约束为高精度数值张量。

除法 - 6

版本

  • 名称: Div (GitHub)

  • 域: main

  • 自版本: 6

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符已自版本6起可用。

摘要

执行按元素二元除法（支持有限的广播）。

如果需要，右侧参数将被广播以匹配左侧参数的形状。当指定广播时，第二个张量可以是元素大小为1（包括标量张量和任何等级等于或小于第一个张量的张量），或者其形状作为第一个张量形状的连续子集。相互相等形状的起始位置由参数“axis”指定，如果未设置，则假定后缀匹配。1维扩展尚不可用。

例如，以下张量形状受支持（广播=1）

shape(A) = (2, 3, 4, 5), shape(B) = (,), 即B是标量张量shape(A) = (2, 3, 4, 5), shape(B) = (1, 1), 即B是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=1shape(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，则定义广播维度。有关详细信息，请参阅文档。

  • 广播 - INT（默认值为'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。使用广播可以小于 A 的大小。如果禁用广播，则它应该具有相同的大小。

输出

  • C（异构） - T

    结果，与 A 具有相同的维度和类型

类型约束

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

    将输入和输出类型约束为高精度数值张量。

Div - 1

版本

  • 名称: Div (GitHub)

  • 域: main

  • since_version: 1

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: False

此版本的运算符已自版本 1起可用。

摘要

执行按元素二元除法（支持有限的广播）。

如果需要，右侧参数将被广播以匹配左侧参数的形状。当指定广播时，第二个张量可以是元素大小为1（包括标量张量和任何等级等于或小于第一个张量的张量），或者其形状作为第一个张量形状的连续子集。相互相等形状的起始位置由参数“axis”指定，如果未设置，则假定后缀匹配。1维扩展尚不可用。

例如，以下张量形状受支持（广播=1）

shape(A) = (2, 3, 4, 5), shape(B) = (,), 即B是标量张量shape(A) = (2, 3, 4, 5), shape(B) = (1, 1), 即B是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=1shape(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，则定义广播维度。有关详细信息，请参阅文档。

  • 广播 - INT（默认值为'0'）

    传递 1 以启用广播

  • consumed_inputs - INTS :

    旧版优化属性。

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。使用广播可以小于 A 的大小。如果禁用广播，则它应该具有相同的大小。

输出

  • C（异构） - T

    结果，与 A 具有相同的维度和类型

类型约束

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

    将输入和输出类型约束为浮点张量。