TensorFlow中tf.divide指定axis报错，如何实现按列逐元素除法？

首先，你遇到的报错有两个核心原因：

1. 调用tf.divide()的语法有误——你错误地将x和y打包成元组作为第一个参数，正确的写法应该是tf.divide(x, y)（第一个参数是被除数，第二个是除数）；
2. tf.divide()确实不支持axis参数，这个函数仅做基础的逐元素除法，要实现你要的按列除法逻辑，得靠TensorFlow的广播机制来完成。

你的需求是让m×n的张量x每一列的所有元素，分别除以向量y（形状为n）对应位置的元素，这完全可以通过广播轻松实现，不需要额外指定axis。具体逻辑是：

• 张量x的形状是(m, n)，向量y的形状是(n,)
• 当执行x / y或者tf.divide(x, y)时，TensorFlow会自动把y广播成(m, n)的形状（相当于把y复制m行），然后逐元素做除法——刚好满足你“第一列除以y[0]，第二列除以y[1]”的要求。

给你个代码示例验证效果：

import tensorflow as tf

# 构造测试数据
x = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=tf.float32)  # 3×3张量
y = tf.constant([2, 3, 4], dtype=tf.float32)  # 长度为3的向量

# 执行除法
result = tf.divide(x, y)
# 也可以直接用运算符简化写法：result = x / y

print(result.numpy())

输出结果如下，完全符合预期：

[[0.5        0.6666667  0.75      ]
 [2.         1.6666667  1.5       ]
 [3.5        2.6666667  2.25      ]]

如果你想更明确地指定广播方向，也可以手动调整y的形状，用tf.expand_dims把y变成(1, n)的形状：

y_expanded = tf.expand_dims(y, axis=0)  # 形状变为(1, 3)
result = tf.divide(x, y_expanded)

这个写法和直接除法的效果完全一致，只是更清晰地告诉TensorFlow要在行维度上做广播。

另外，如果你的场景里y可能包含0，建议用tf.math.divide_no_nan()替代，避免出现NaN值，用法和tf.divide()完全相同：

result = tf.math.divide_no_nan(x, y)

内容的提问来源于stack exchange，提问作者Mike Flanagan