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])

与 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() 和 ihfft() 的组合。

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