mindspore.ops.Div
=================

.. py:class:: mindspore.ops.Div()

    逐元素计算第一输入Tensor除以第二输入Tensor的商。

    .. math::

        out_{i} = \frac{x_i}{y_i}

    .. note::
        - 输入 `x` 和 `y` 遵循 `隐式类型转换规则 <https://www.mindspore.cn/docs/note/zh-CN/master/operator_list_implicit.html>`_ ，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，并保证其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。

    **输入：**

    - **x** (Union[Tensor, number.Number, bool]) - 第一个输入，是一个number.Number、bool值或数据类型为 `number <https://www.mindspore.cn/docs/api/zh-CN/master/api_python/mindspore.html#mindspore.dtype>`_ 或 `bool_ <https://www.mindspore.cn/docs/api/zh-CN/master/api_python/mindspore.html#mindspore.dtype>`_ 的Tensor。
    - **y** (Union[Tensor, number.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.Number或bool值，或数据类型为number或bool_的Tensor。当第一个输入是Scalar时，第二个输入必须是数据类型为number或bool_的Tensor。

    **输出：**

    Tensor，shape与输入 `x`，`y` 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。
    - **TypeError** - `x` 和 `y` 数据类型都是bool_的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.float32)
    >>> y = Tensor(2, mindspore.int32)
    >>> output = div(x, y)
    >>> print(output)
    [-2.  2.5  3.]
    >>> print(output.dtype)
    Float32