快捷方式

torch.fft.ifftn

torch.fft.ifftn(input, s=None, dim=None, norm=None, *, out=None) Tensor

计算 input 的 N 维逆离散傅里叶变换。

注意

在具有 GPU 架构 SM53 或更高版本的 CUDA 上支持 torch.half 和 torch.chalf。但是,它仅支持每个转换维度中 2 的幂信号长度。

参数
  • input (Tensor) – 输入张量

  • s (Tuple[int], 可选) – 转换维度中的信号大小。如果给出,则在计算 IFFT 之前,每个维度 dim[i] 将会被零填充或修剪到长度 s[i]。如果指定长度 -1,则该维度不进行填充。默认值:s = [input.size(d) for d in dim]

  • dim (Tuple[int], 可选) – 要转换的维度。默认值:所有维度,或者如果给出 s,则为最后的 len(s) 个维度。

  • norm (str, 可选) –

    归一化模式。对于反向变换 (ifftn()),这些对应于

    • "forward" - 不归一化

    • "backward" - 按 1/n 归一化

    • "ortho" - 按 1/sqrt(n) 归一化(使 IFFT 正交)

    其中 n = prod(s) 是逻辑 IFFT 大小。使用相同的归一化模式调用前向变换 (fftn()) 将在两个变换之间应用 1/n 的整体归一化。这是使 ifftn() 成为精确反向变换所必需的。

    默认值为 "backward"(按 1/n 归一化)。

关键字参数

out (Tensor, 可选) – 输出张量。

示例

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

离散傅里叶变换是可分离的,因此此处 ifftn() 等效于两个一维 ifft() 调用

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

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并解答您的问题

查看资源