快捷方式

torch.fft.irfft2

torch.fft.irfft2(input, s=None, dim=(-2, -1), norm=None, *, out=None) Tensor

计算 rfft2() 的逆运算。等价于 irfftn(),但默认情况下仅对最后两个维度进行逆快速傅里叶变换。

input 被解释为傅里叶域中由 rfft2() 生成的单边厄米特信号。根据厄米特特性,输出将是实值。

注意

某些输入频率必须是实值才能满足厄米特特性。在这些情况下,虚部将被忽略。例如,零频率项中的任何虚部都无法在实值输出中表示,因此始终会被忽略。

注意

厄米特输入的正确解释取决于原始数据的长度,如 s 所示。这是因为每个输入形状可能对应于奇数或偶数长度信号。默认情况下,信号假定为偶数长度,奇数信号将无法正确往返。因此,建议始终传递信号形状 s

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,它仅支持每个变换维度上 2 的幂信号长度。使用默认参数,最后一个维度的尺寸应为 (2^n + 1),因为参数 s 默认为偶数输出尺寸 = 2 * (最后一个维度尺寸 - 1)

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] 将在计算实数 FFT 之前用零填充或修剪到长度 s[i]。如果指定长度 -1,则该维度不会进行填充。默认为最后一个维度中的偶数输出:s[-1] = 2*(input.size(dim[-1]) - 1)

  • dim (Tuple[int], 可选) – 要变换的维度。最后一个维度必须是半厄米特压缩维度。默认值:最后两个维度。

  • norm (str, 可选) –

    归一化模式。对于反向变换 (irfft2()),这些对应于

    • "forward" - 无归一化

    • "backward" - 按 1/n 归一化

    • "ortho" - 按 1/sqrt(n) 归一化(使实数逆 FFT 正交)

    其中 n = prod(s) 是逻辑逆 FFT 大小。使用相同的归一化模式调用前向变换 (rfft2()) 将在两个变换之间应用 1/n 的整体归一化。这对于使 irfft2() 成为精确的逆运算是必需的。

    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

>>> t = torch.rand(10, 9)
>>> T = torch.fft.rfft2(t)

如果不向 irfft2() 指定输出长度,则输出将无法正确往返,因为输入在最后一个维度中是奇数长度

>>> torch.fft.irfft2(T).size()
torch.Size([10, 8])

因此,建议始终传递信号形状 s

>>> roundtrip = torch.fft.irfft2(T, t.size())
>>> roundtrip.size()
torch.Size([10, 9])
>>> torch.testing.assert_close(roundtrip, t, 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

查找开发资源并获得问题的解答

查看资源