torch.bucketize

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

傳回 input 中每個值所屬的 bucket 的索引，其中 bucket 的邊界由 boundaries 設定。 傳回一個與 input 大小相同的新張量。 如果 right 為 False (預設值)，則左邊界為開放。 請注意，此行為與 numpy.digitize 的行為相反。 更正式地說，傳回的索引滿足以下規則

right	傳回的索引滿足
False	boundaries[i-1] < input[m][n]...[l][x] <= boundaries[i]
True	boundaries[i-1] <= input[m][n]...[l][x] < boundaries[i]

參數

• input (Tensor 或 Scalar) – 包含搜尋值的 N 維張量或純量。

• boundaries (Tensor) – 1 維張量，必須包含嚴格遞增的序列，否則傳回值未定義。

關鍵字參數

• out_int32 (bool, optional) – 指示輸出資料類型。 如果為 True，則為 torch.int32，否則為 torch.int64。 預設值為 False，即預設輸出資料類型為 torch.int64。

• right (bool, optional) – 如果為 False，則傳回找到的第一個合適的位置。 如果為 True，則傳回最後一個此類索引。 如果找不到合適的索引，則對於非數值 (例如 nan, inf) 傳回 0，或傳回 boundaries 的大小（超過最後一個索引一個位置）。 換句話說，如果為 False，則從 boundaries 取得 input 中每個值的下界索引。 如果為 True，則改為取得上界索引。 預設值為 False。

• out (Tensor, optional) – 輸出張量，如果提供，則必須與 input 大小相同。

範例

>>> 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]])