PyTorchでテンソルの要素ごとの除算を行う方法｜torch.div()の使い方を解説

PyTorchで2つのテンソルに対して要素ごとの除算（要素ワイズ除算）を実行するには、torch.div()メソッドを使用します。このメソッドは、第1引数に渡したテンソルの各要素を、第2引数のテンソルの対応する要素で順番に割っていきます。また、テンソルをスカラー値で割ることも可能です。

除算は、次元が同じテンソル同士でも、異なる次元のテンソル同士でも実行できます。その場合、結果として得られるテンソルの次元は、より高い次元を持つテンソルと同じになります。例えば、1次元テンソルを2次元テンソルで割った場合、最終的な結果は2次元テンソルになります。

手順

• 必要なライブラリをインポートします。以下のすべてのPythonサンプルではtorchライブラリを使用するため、事前にインストールしておいてください。

• 2つ以上のPyTorchテンソルを定義して出力します。テンソルをスカラーで割りたい場合は、スカラー値も定義します。

• torch.div()を使ってテンソルを別のテンソルまたはスカラーで割り、その結果を新しい変数に代入します。このメソッドによる除算では、元のテンソルの内容は変更されません。

• 最終的なテンソルを出力して結果を確認します。

例1：テンソルをスカラーで割る

# Pythonプログラム：要素ごとの除算を実行する
# 必要なライブラリをインポート
import torch

# テンソルを作成
t = torch.Tensor([2, 3, 5, 9])
print("Original Tensor t:\n", t)

# テンソルをスカラー4で割る
v = torch.div(t, 4)
print("Element-wise division result:\n", v)

# 同じ結果は以下の方法でも得られる
t1 = torch.Tensor([4])
w = torch.div(t, t1)
print("Element-wise division result:\n", w)

# 上記の操作を行う別の方法
t2 = torch.Tensor([4,4,4,4])
x = torch.div(t, t2)
print("Element-wise division result:\n", x)

出力

Original Tensor t:
   tensor([2., 3., 5., 9.])
Element-wise division result:
   tensor([0.5000, 0.7500, 1.2500, 2.2500])
Element-wise division result:
   tensor([0.5000, 0.7500, 1.2500, 2.2500])
Element-wise division result:
   tensor([0.5000, 0.7500, 1.2500, 2.2500])

上記のように、スカラーで割る場合、要素数1のテンソルで割る場合、同じ値を持つテンソルで割る場合のいずれの方法でも、同じ結果が得られます。

例2：2次元テンソルを1次元テンソルで割る

次のPythonプログラムは、2次元テンソルを1次元テンソルで割る方法を示しています。

# 必要なライブラリをインポート
import torch

# 2次元テンソルを作成
T1 = torch.Tensor([[3,2],[7,5]])

# 1次元テンソルを作成
T2 = torch.Tensor([10, 8])
print("T1:\n", T1)
print("T2:\n", T2)

# 2次元テンソルを1次元テンソルで割る
v = torch.div(T1, T2)
print("Element-wise division result:\n", v)

出力

T1:
tensor([[3., 2.],
         [7., 5.]])
T2:
tensor([10., 8.])
Element-wise division result:
tensor([[0.3000, 0.2500],
         [0.7000, 0.6250]])

ブロードキャストにより、1次元テンソルT2の各要素が2次元テンソルT1の対応する列に適用されて計算されていることがわかります。

例3：1次元テンソルを2次元テンソルで割る

次のPythonプログラムは、1次元テンソルを2次元テンソルで割る方法を示しています。

# Pythonプログラム：1次元テンソルを2次元テンソルで割る
# 必要なライブラリをインポート
import torch

# 2次元テンソルを作成
T1 = torch.Tensor([[8,7],[4,5]])

# 1次元テンソルを作成
T2 = torch.Tensor([10, 5])
print("T1:\n", T1)
print("T2:\n", T2)

# 1次元テンソルを2次元テンソルで割る
v = torch.div(T2, T1)
print("Division 1D tensor by 2D tensor result:\n", v)

出力

T1:
tensor([[8., 7.],
         [4., 5.]])
T2:
tensor([10., 5.])
Division 1D tensor by 2D tensor result:
tensor([[1.2500, 0.7143],
         [2.5000, 1.0000]])

このように、1次元テンソルを2次元テンソルで割った場合でも、最終的な結果は2次元テンソルになります。結果のテンソルの次元は、より高い次元を持つテンソルに合わせられる点に注目してください。

例4：2次元テンソルを2次元テンソルで割る

次のPythonプログラムは、2次元テンソルを2次元テンソルで割る方法を示しています。

# 必要なライブラリをインポート
import torch

# 2つの2次元テンソルを作成
T1 = torch.Tensor([[8,7],[3,4]])
T2 = torch.Tensor([[0,3],[4,9]])

# 作成したテンソルを出力
print("T1:\n", T1)
print("T2:\n", T2)

# T1をT2で割る
v = torch.div(T1,T2)
print("Element-wise division result:\n", v)

出力

T1:
tensor([[8., 7.],
         [3., 4.]])
T2:
tensor([[0., 3.],
         [4., 9.]])
Element-wise division result:
tensor([[ inf, 2.3333],
         [0.7500, 0.4444]])

ここで注意したいのは、0で割った要素にはエラーではなく「inf」（無限大）が格納されるという点です。PyTorchの除算ではゼロ除算が例外として扱われないため、データに0が含まれる可能性がある場合は、あらかじめマスク処理などで対処しておくと安全です。

補足：演算子「/」でも同じ結果が得られる

PyTorchでは、torch.div(a, b)の代わりにPythonの除算演算子を使ってa / bと書くこともできます。こちらの方がコードが簡潔になるため、可読性を重視する場面ではよく使われています。また、torch.div()には丸め方を指定するrounding_mode引数があり、「trunc」（切り捨て）や「floor」（床関数）を指定することで整数除算のような挙動に変更することも可能です。