torch.bucketize

torch.bucketize(input, boundaries, *, out_int32=False, right=False, out=None) → Tensor

返回 input 中每个值所属的 bucket 的索引，其中 bucket 的边界由 boundaries 设置。返回一个与 input 大小相同的新张量。如果 right 为 False（默认值），则左边界是开区间。请注意，此行为与 numpy.digitize 的行为相反。更正式地说，返回的索引满足以下规则

right	返回的索引满足
False	boundaries[i-1] < input[m][n]...[l][x] <= boundaries[i]
True	boundaries[i-1] <= input[m][n]...[l][x] < boundaries[i]

参数

• input (Tensor 或 Scalar) – 包含搜索值的 N 维张量或标量。

• boundaries (Tensor) – 1 维张量，必须包含严格递增的序列，否则返回值未定义。

关键字参数

• out_int32 (bool, optional) – 指示输出数据类型。如果为 True，则为 torch.int32，否则为 torch.int64。默认值为 False，即默认输出数据类型为 torch.int64。

• right (bool, optional) – 如果为 False，则返回找到的第一个合适位置。如果为 True，则返回最后一个此类索引。如果未找到合适的索引，则对于非数值（例如 nan，inf）返回 0，或者返回 boundaries 的大小（超过最后一个索引）。换句话说，如果为 False，则从 boundaries 获取 input 中每个值的下界索引。如果为 True，则改为获取上界索引。默认值为 False。

• out (Tensor, optional) – 输出张量，如果提供，则必须与 input 大小相同。

示例

>>> boundaries = torch.tensor([1, 3, 5, 7, 9])
>>> boundaries
tensor([1, 3, 5, 7, 9])
>>> v = torch.tensor([[3, 6, 9], [3, 6, 9]])
>>> v
tensor([[3, 6, 9],
        [3, 6, 9]])
>>> torch.bucketize(v, boundaries)
tensor([[1, 3, 4],
        [1, 3, 4]])
>>> torch.bucketize(v, boundaries, right=True)
tensor([[2, 3, 5],
        [2, 3, 5]])