torch.bucketize

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

返回输入input中每个值所属的桶的索引，其中桶的边界由boundaries设置。返回一个与input大小相同的新张量。如果right为False（默认），则左边界是开放的。请注意，此行为与numpy.digitize的行为相反。 更正式地说，返回的索引满足以下规则：

right	返回的索引满足
假	boundaries[i-1] < input[m][n]...[l][x] <= boundaries[i]
真	boundaries[i-1] <= input[m][n]...[l][x] < boundaries[i]

Parameters

• 输入 (张量 或 标量) – N维张量或一个标量，包含搜索值。

• 边界 (Tensor) – 一维张量，必须包含严格递增的序列，否则返回值未定义。

Keyword Arguments

• 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，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，返回0表示非数值（例如nan、inf）或boundaries的大小（超过最后一个索引）。 换句话说，如果为False，则为input中的每个值从boundaries获取下界索引。如果为True，则获取上界索引。 默认值为False。

• 输出 (张量, 可选) – 输出张量，如果提供的话，必须与输入的大小相同。

示例：

>>> 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]])