torch.bucketize

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

Возвращает индексы ячеек, к которым принадлежит каждое значение в input, где границы ячеек задаются boundaries. Возвращает новый тензор с тем же размером, что и input. Если right равно False (по умолчанию), то левая граница закрыта. Более формально, возвращаемый индекс удовлетворяет следующим правилам:

right	возвращаемый индекс удовлетворяет
False	boundaries[i-1] < input[m][n]...[l][x] <= boundaries[i]
True	boundaries[i-1] <= input[m][n]...[l][x] < boundaries[i]

Параметры:

• input (Тензор или Скаляр) – N-мерный тензор или скаляр, содержащий искомое(ые) значение(я).
• boundaries (Тензор) – 1-мерный тензор, должен содержать монотонно возрастающую последовательность.

Ключевые аргументы:

• out_int32 (bool, необязательно) – указывает тип данных вывода. torch.int32, если True, torch.int64 в противном случае. Значение по умолчанию — False, т.е. тип данных вывода по умолчанию — torch.int64.
• right (bool, необязательно) – если False, возвращает первый подходящий индекс, который найден. Если True, возвращает последний такой индекс. Если подходящий индекс не найден, возвращает 0 для нечислового значения (например, nan, inf) или размер boundaries (один проход за последний индекс). Другими словами, если False, получает индекс нижней границы для каждого значения в input от boundaries. Если True, получает индекс верхней границы вместо этого. Значение по умолчанию — False.
• out (Тензор, необязательно) – выходной тензор, должен быть того же размера, что и input при указании.

Пример:

>>> 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]])