torch.searchsorted

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

从 sorted_sequence 的*最内层*维度中查找索引，使得如果将 values 中相应的值插入到这些索引之前，排序后，sorted_sequence 中相应*最内层*维度的顺序得以保持。返回一个与 values 大小相同的新张量。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
1D	False	sorted_sequence[i-1] < values[m][n]...[l][x] <= sorted_sequence[i]
1D	True	sorted_sequence[i-1] <= values[m][n]...[l][x] < sorted_sequence[i]
ND	False	sorted_sequence[m][n]...[l][i-1] < values[m][n]...[l][x] <= sorted_sequence[m][n]...[l][i]
ND	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 维或 1 维张量，在其*最内层*维度上包含单调递增的序列，除非提供了 sorter，在这种情况下序列无需排序

• values (Tensor 或 Scalar) – N 维张量或标量，包含要搜索的值。

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。如果没有找到合适的索引，对于非数值（例如 nan, inf）返回 0，或者返回 sorted_sequence 中*最内层*维度的大小（比*最内层*维度的最后一个索引大一）。换句话说，如果为 False，则获取 values 中每个值在 sorted_sequence 相应*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 参数功能相同，并且更推荐使用。如果将 side 设置为 “left” 同时此参数为 True，则会出错。

• side (str, optional) – 功能与 right 相同，但更推荐使用。“left” 对应 right 的 False，“right” 对应 right 的 True。如果将此参数设置为 “left” 同时 right 为 True，则会出错。默认值为 None。

• out (Tensor, optional) – 输出张量，如果提供，其大小必须与 values 相同。

• sorter (LongTensor, optional) – 如果提供，一个与未排序的 sorted_sequence 形状匹配的张量，包含在最内层维度上按升序对其进行排序的索引序列

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]])