torch.fft.ihfft2#

torch.fft.ihfft2(input, s=None, dim=(-2, -1), norm=None, *, out=None) → Tensor#

計算實數 input 的二維離散傅立葉逆變換。等同於 ihfftn()，但預設只轉換最後兩個維度。

注意

支援CUDA上的torch.half（GPU架構SM53或更高）。但是它只支援每個轉換維度中2的冪次訊號長度。

引數

input (Tensor) – 輸入張量
s (Tuple[int], optional) – 變換維度的訊號大小。如果給定，則在計算厄米特 IFFT 之前，每個維度 dim[i] 將會被零填充或截斷到長度 s[i]。如果指定長度為 -1，則該維度不進行填充。預設值：s = [input.size(d) for d in dim]
dim (Tuple[int], optional) – 要變換的維度。預設值：最後兩個維度。
norm (str, optional) –
歸一化模式。對於後向變換（ihfft2()），這些對應於
- "forward" - 無歸一化
- "backward" - 按 1/n 歸一化
- "ortho" - 透過 1/sqrt(n) 進行歸一化（使厄米特 IFFT 變為正交歸一化）
其中 n = prod(s) 是邏輯 IFFT 大小。使用相同的歸一化模式呼叫前向變換（hfft2()）將在兩次變換之間應用 1/n 的整體歸一化。這是使 ihfft2() 成為精確逆變換所必需的。

預設為 "backward"（按 1/n 歸一化）。

關鍵字引數

out (Tensor, optional) – 輸出張量。

示例

>>> T = torch.rand(10, 10)
>>> t = torch.fft.ihfft2(t)
>>> t.size()
torch.Size([10, 6])

與 ifft2() 的完整輸出相比，厄米特時空訊號只佔一半的空間。

>>> fftn = torch.fft.ifft2(t)
>>> torch.allclose(fftn[..., :6], rfftn)
True

離散傅立葉變換是可分離的，因此這裡的 ihfft2() 等同於 ifft() 和 ihfft() 的組合。

>>> two_ffts = torch.fft.ifft(torch.fft.ihfft(t, dim=1), dim=0)
>>> torch.allclose(t, two_ffts)
True

文件