快捷方式

torch.searchsorted

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

查找来自 sorted_sequence最内层维度的索引,使得如果将 values 中的对应值插入到这些索引之前,当排序后,sorted_sequence 中的对应最内层维度内的顺序将被保留。返回一个与 values 大小相同的新的张量。更正式地说,返回的索引满足以下规则

sorted_sequence

right

返回的索引满足

1-D

False

sorted_sequence[i-1] < values[m][n]...[l][x] <= sorted_sequence[i]

1-D

True

sorted_sequence[i-1] <= values[m][n]...[l][x] < sorted_sequence[i]

N-D

False

sorted_sequence[m][n]...[l][i-1] < values[m][n]...[l][x] <= sorted_sequence[m][n]...[l][i]

N-D

True

sorted_sequence[m][n]...[l][i-1] <= values[m][n]...[l][x] < sorted_sequence[m][n]...[l][i]

参数
  • sorted_sequence (Tensor) – N-D 或 1-D 张量,包含在最内层维度上单调递增的序列,除非提供了 sorter,在这种情况下,序列不需要排序

  • values (TensorScalar) – 包含搜索值(s)的 N-D 张量或标量。

关键字参数
  • out_int32 (bool, 可选) – 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, 可选) – 如果为 False,则返回找到的第一个合适的位置。如果为 True,则返回最后一个这样的索引。如果没有找到合适的索引,则对于非数值值(例如 NaN、inf)返回 0,或者对于 sorted_sequence 中的最内层维度的 size(最后一个索引之后)。换句话说,如果为 False,则获取 values 中每个值在 sorted_sequence 的对应最内层维度上的下界索引。如果为 True,则获取上界索引。默认值为 False。 side 执行相同的操作,并且优先使用。如果将 side 设置为“left”,而此时为 True,则会引发错误。

  • side (str, 可选) – 与 right 相同,但优先使用。“left”对应于 right 为 False,而“right”对应于 right 为 True。如果将此设置为“left”,而此时 right 为 True,则会引发错误。默认值为 None。

  • out (张量, 可选) – 输出张量,如果提供,则必须与 values 的大小相同。

  • sorter (LongTensor, 可选) – 如果提供,则为与未排序的 sorted_sequence 形状匹配的张量,其中包含一个索引序列,该序列按最内层维度上的升序对它进行排序。

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]])

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源