快捷方式

torch.fft.ihfft2

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

计算实数 input 的二维逆离散傅里叶变换。等效于 ihfftn(),但默认情况下只变换最后两个维度。

注意

在 GPU 架构 SM53 或更高版本的 CUDA 上支持 torch.half。但是它只支持每个变换维度上 2 的幂的信号长度。

参数
  • input (Tensor) – 输入张量

  • s (Tuple[int], 可选) – 变换维度中的信号大小。如果给出,则每个维度 dim[i] 将在计算 Hermitian IFFT 之前用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) – 要变换的维度。默认值:最后两个维度。

  • norm (str, 可选) –

    归一化模式。对于反向变换 (ihfft2()),这些对应于

    • "forward" - 无归一化

    • "backward" - 归一化为 1/n

    • "ortho" - 归一化为 1/sqrt(n)(使 Hermitian 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正向变换 (hfft2()) 将在两个变换之间应用 1/n 的整体归一化。这是使 ihfft2() 成为精确反向变换所必需的。

    默认值为 "backward"(归一化为 1/n)。

关键字参数

out (Tensor, 可选) – 输出张量。

示例

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

ifft2() 的完整输出相比,Hermitian 时空信号只占用一半的空间。

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

离散傅里叶变换是可分离的,因此此处的 ihfft2() 等效于 ifft()ihfft() 的组合。

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

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

查找开发资源并获取问题的解答

查看资源