torch.fft.ifft2

torch.fft.ifft2(input, s=None, dim=(-2, -1), norm=None, *, out=None) → Tensor

計算 input 的二維反離散傅立葉轉換。等效於 ifftn()，但預設只對最後兩個維度進行 IFFT。

注意

支援 CUDA 上的 torch.half 和 torch.chalf，但 GPU 架構需為 SM53 或更高。然而，它只支援每個轉換維度中訊號長度為 2 的冪次方。

參數

• input (Tensor) – 輸入張量

• s (Tuple[int], optional) – 轉換維度中的訊號大小。 如果給定，在計算 IFFT 之前，每個維度 dim[i] 將被補零或裁剪到長度 s[i]。 如果指定長度 -1，則不會在該維度上進行填充。 預設值：s = [input.size(d) for d in dim]

• dim (Tuple[int], optional) – 要轉換的維度。 預設值：最後兩個維度。

• norm (str, optional) –

  正規化模式。 對於反向轉換 (ifft2())，這些對應於

  • "forward" - 無正規化

  • "backward" - 按 1/n 正規化

  • "ortho" - 按 1/sqrt(n) 正規化 (使 IFFT 正交)

  其中 n = prod(s) 是邏輯 IFFT 大小。 使用相同的正規化模式呼叫正向轉換 (fft2()) 將在兩個轉換之間應用 1/n 的整體正規化。 這是使 ifft2() 成為精確逆轉換所必需的。

  預設值為 "backward" (按 1/n 正規化)。

關鍵字參數

out (Tensor, optional) – 輸出張量。

範例

>>> x = torch.rand(10, 10, dtype=torch.complex64)
>>> ifft2 = torch.fft.ifft2(x)

離散傅立葉轉換是可分離的，因此此處的 ifft2() 相當於兩個一維 ifft() 呼叫

>>> two_iffts = torch.fft.ifft(torch.fft.ifft(x, dim=0), dim=1)
>>> torch.testing.assert_close(ifft2, two_iffts, check_stride=False)