torch.fft.ifft2

torch.fft.ifft2(input, s=None, dim=(-2, -1), norm=None, *, out=None) → Tensor

计算 input 的二维离散傅里叶逆变换。等效于 ifftn()，但默认仅对最后两个维度执行 IFFT。

注意

在 GPU 架构为 SM53 或更高版本的 CUDA 上支持 torch.half 和 torch.chalf。但仅支持变换维度的信号长度为 2 的幂次。

参数

• input (Tensor) – 输入张量

• s (Tuple[int], optional) – 变换维度中的信号大小。如果给定，在计算 IFFT 之前，每个维度 dim[i] 将被零填充或裁剪到长度 s[i]。如果指定长度为 -1，则该维度不进行填充。默认值：s = [input.size(d) for d in dim]

• dim (Tuple[int], optional) – 要变换的维度。默认值：最后两个维度。

• norm (str, optional) –

  归一化模式。对于逆变换 (ifft2())，它们对应于

  • "forward" - 无归一化

  • "backward" - 乘以 1/n 进行归一化

  • "ortho" - 乘以 1/sqrt(n) 进行归一化 (使 IFFT 成为正交变换)

  其中 n = prod(s) 是逻辑 IFFT 大小。以相同的归一化模式调用正变换 (fft2()) 将在两个变换之间应用总归一化 1/n。这是使 ifft2() 成为精确逆变换所必需的。

  默认值为 "backward" (乘以 1/n 进行归一化)。

关键字参数

out (Tensor, optional) – 输出张量。

示例

>>> x = torch.rand(10, 10, dtype=torch.complex64)
>>> ifft2 = torch.fft.ifft2(x)

离散傅里叶变换是可分离的，因此这里的 ifft2() 等效于两次一维 ifft() 调用

>>> two_iffts = torch.fft.ifft(torch.fft.ifft(x, dim=0), dim=1)
>>> torch.testing.assert_close(ifft2, two_iffts, check_stride=False)