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