torch.searchsorted

官方文档链接：torch.searchsorted — PyTorch 2.3 documentation

该函数用于在已排序的序列中查找要插入的值的位置，以保持序列的顺序，

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

参数如下，

• sorted_sequence：这是一个N-D或1-D的张量，其中包含按最内部维度单调递增的序列。如果提供了sorter参数，则序列不需要按顺序排列

• values：这是一个N-D张量或标量，包含要搜索的值

• out_int32：这是一个可选参数，用于指示输出数据类型。如果为True，则输出数据类型为torch.int32，否则为torch.int64

• right：这是一个可选参数，如果为False，则返回找到的第一个合适位置。如果为 True，则返回最后一个索引。如果找不到合适的索引，则对于非数值值（例如nan、inf），返回0，或者返回sorted_sequence内最内部维度的大小（超过最内部维度的最后一个索引）。如果为False，则获取每个值在sorted_sequence相应内部维度上的下限索引，如果为True，则获取上限索引。默认值为False

• side：这是一个可选参数，"left" 对应于right为 False，"right" 对应于right为 True。如果将其设置为 "left"，而right为 True，则会报错。默认值为None。

• out：这是一个可选参数，输出张量，如果提供，则必须与 values 的大小相同

• sorter：这是一个可选参数，如果提供，则是一个与未排序的sorted_sequence形状相匹配的张量，其中包含一个按最内部维度升序排列的索引序列

使用示例如下，

sorted_sequence = torch.tensor([[1, 3, 5, 7, 9], [2, 4, 6, 8, 10]])
"""
tensor([[ 1,  3,  5,  7,  9],[ 2,  4,  6,  8, 10]])
"""values = torch.tensor([[3, 6, 9], [3, 6, 9]])
"""
tensor([[3, 6, 9],[3, 6, 9]])
"""torch.searchsorted(sorted_sequence, values)
"""
tensor([[1, 3, 4],[1, 2, 4]])
对于第一行 [3, 6, 9]：
数字3在第一行的sorted_sequence中的位置是索引1
数字6在第一行的sorted_sequence中的位置是索引3（6大于5而小于7，因此将6插入到索引3的位置时，能够使序列保持升序排序）
数字9在第一行的sorted_sequence中的位置是索引4
对于第二行 [3, 6, 9]：
数字3在第二行的sorted_sequence中的位置是索引1（3大于2而小于4，因此当索引为1时，不会改变序列的升序排序）
数字6在第二行的sorted_sequence中的位置是索引2
数字9在第二行的sorted_sequence中的位置是索引4（9大于8而小于10，因此当索引为4时，不会改变序列的升序排序）
"""## 当side='right'时, 函数会返回每个值在对应行的sorted_sequence中的右侧插入位置索引
torch.searchsorted(sorted_sequence, values, side='right')
"""
tensor([[2, 3, 5],[1, 3, 4]])对于第一行 [3, 6, 9]：
数字3在第一行的sorted_sequence中的右侧插入位置是索引2（数字3的右侧插入位置索引是2）
数字6在第一行的sorted_sequence中的右侧插入位置是索引3
数字9在第一行的sorted_sequence中的右侧插入位置是索引5（数字9的右侧插入位置索引是5）
对于第二行 [3, 6, 9]：
数字3在第二行的sorted_sequence中的右侧插入位置是索引1
数字6在第二行的sorted_sequence中的右侧插入位置是索引3（数字6的右侧插入位置索引是3）
数字9在第二行的sorted_sequence中的右侧插入位置是索引4
"""sorted_sequence_1d = torch.tensor([1, 3, 5, 7, 9])
"""
tensor([1, 3, 5, 7, 9])
"""torch.searchsorted(sorted_sequence_1d, values)
"""
tensor([[1, 3, 4],[1, 3, 4]])
"""