torch.searchsorted

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

查找 sorted_sequence 内部最深层维度中的索引，使得如果将 values 中对应的值插入到这些索引之前，当排序时， sorted_sequence 内部对应内部最深层维度的顺序将得到保留。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	返回的索引满足条件
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，内部维度上包含单调递增序列，除非提供 sorter ，否则序列不需要排序

• values (Tensor 或 Scalar) – N-D 张量或标量，包含搜索值。

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, optional) – 如果为 False，返回找到的第一个合适的位置。如果为 True，返回最后一个这样的索引。如果没有找到合适的索引，对于非数值值（例如 nan，inf）返回 0，或者在 sorted_sequence 内部最维度的尺寸（一次内部最维度的最后一个索引）。换句话说，如果为 False，则为 values 中的每个值在 sorted_sequence 的对应内部维度上获取下界索引。如果为 True，则获取上界索引。默认值为 False。 side 做同样的事情，并且更受青睐。如果 side 设置为“left”而此为 True，则会报错。

• side (str, optional) – 与 right 相同，但更受青睐。“left”对应于 right 的 False，“right”对应于 right 的 True。如果此设置为“left”而 right 为 True，则会报错。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，则与未排序的 sorted_sequence 形状匹配的张量，其中包含一个索引序列，按升序对最内层维度进行排序

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]])