torch.searchsorted

torch.searchsorted(sorted_sequence, values, *, out_int32=False, right=False, side=None, out=None, sorter=None) → Tensor

查詢 sorted_sequence 的*最內層*維度上的索引，使得如果將 values 中的相應值插入到索引之前，排序後，sorted_sequence 中相應*最內層*維度的順序將得以保留。返回一個與 values 大小相同的張量。更正式地說，返回的索引滿足以下規則

sorted_sequence	right	返回的索引滿足
1-D	假	sorted_sequence[i-1] < values[m][n]...[l][x] <= sorted_sequence[i]
1-D	真	sorted_sequence[i-1] <= values[m][n]...[l][x] < sorted_sequence[i]
N-D	假	sorted_sequence[m][n]...[l][i-1] < values[m][n]...[l][x] <= sorted_sequence[m][n]...[l][i]
N-D	真	sorted_sequence[m][n]...[l][i-1] <= values[m][n]...[l][x] < sorted_sequence[m][n]...[l][i]

引數

• sorted_sequence (Tensor) – N 維或 1 維張量，在*最內層*維度上包含單調遞增序列，除非提供了 sorter，在這種情況下，序列不必是已排序的。

• values (Tensor 或 Scalar) – N 維張量或標量，包含搜尋值。

關鍵字引數

• out_int32 (bool, optional) – 指示輸出資料型別。如果為 True，則為 torch.int32，否則為 torch.int64。預設值為 False，即預設輸出資料型別為 torch.int64。

• right (bool, optional) – 如果為 False，則返回找到的第一個合適的索引。如果為 True，則返回最後一個合適的索引。如果找不到合適的索引，則對於非數值型值（例如 nan，inf），返回 0；或者返回 sorted_sequence 中*最內層*維度的長度（比*最內層*維度最後一個索引多一個）。換句話說，如果為 False，則返回 values 中每個值在 sorted_sequence 相應*最內層*維度上的下界索引。如果為 True，則返回上界索引。預設值為 False。 side 具有相同的作用且更受推薦。如果 side 設定為“left”而此引數為 True，則會報錯。

• side (str, optional) – 與 right 相同但更受推薦。“left”對應於 right 的 False，“right”對應於 right 的 True。如果此引數設定為“left”而 right 為 True，則會報錯。預設值為 None。

• out (Tensor, optional) – 輸出張量，如果提供，則必須與 values 大小相同。

• sorter (LongTensor, optional) – 如果提供，則是一個與未排序的 sorted_sequence 形狀匹配的張量，其中包含一個按升序對*最內層*維度進行排序的索引序列。

示例

>>> sorted_sequence = torch.tensor([[1, 3, 5, 7, 9], [2, 4, 6, 8, 10]])
>>> sorted_sequence
tensor([[ 1,  3,  5,  7,  9],
        [ 2,  4,  6,  8, 10]])
>>> values = torch.tensor([[3, 6, 9], [3, 6, 9]])
>>> values
tensor([[3, 6, 9],
        [3, 6, 9]])
>>> torch.searchsorted(sorted_sequence, values)
tensor([[1, 3, 4],
        [1, 2, 4]])
>>> torch.searchsorted(sorted_sequence, values, side='right')
tensor([[2, 3, 5],
        [1, 3, 4]])

>>> sorted_sequence_1d = torch.tensor([1, 3, 5, 7, 9])
>>> sorted_sequence_1d
tensor([1, 3, 5, 7, 9])
>>> torch.searchsorted(sorted_sequence_1d, values)
tensor([[1, 3, 4],
        [1, 3, 4]])