TORCH.SEARCHSORTED

日期：2022年8月5日

pytorch版本： 1.11.0

官方文档的链接：https://pytorch.org/docs/stable/generated/torch.searchsorted.html

因为第一次看到这个也不知道什么意思，numpy中也没接触过这个函数，二者的效果应该是一样的。

这里需要注意一下就是sorted_sequence需要是一个排好序的递增序列，不然可能得到的效果不是你需要的那种。

函数的作用主要就是：

返回一个和values一样大小的tensor,其中的元素是在sorted_sequence中满足下列条件的索引i

图中的m n l都是指的维度，x指当前values中所看的那个值的下标，i为最后返回的索引的值。

所以不管是多少维，都是看最里面一层来比较，如果right为True，就是左边是可以等于，不然就是右边可以等于,如果为 False，则返回找到的第一个合适的位置。如果为 True，则返回最后一个此类索引。

大概就可以理解为寻找一个区间，看能不能满足条件，然后输出右端点的索引i,然后可能会出现0和超出最大索引的数

官方例子如下，可以再理解一下：

>>> 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]])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

如果不是递增的例子：

>>> sorted_sequence_1d = torch.tensor([9, 7, 5, 3, 1])
>>> values = torch.tensor([3, 6, 9])

>>> torch.searchsorted(sorted_sequence_1d, values)
tensor([0, 5, 5])
1
2
3
4
5

参考链接：

https://blog.csdn.net/qq_35037684/article/details/125275305