torch.fft.ihfft2

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

計算實數 input 的二維離散傅立葉逆轉換。等同於 ihfftn()，但預設只轉換最後兩個維度。

注意

在 GPU 架構 SM53 或更高版本的 CUDA 上支援 torch.half。但是，它只支援每個轉換維度中的 2 的冪次訊號長度。

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，則每個維度 dim[i] 在計算 Hermitian IFFT 之前，會被零填充或裁剪到長度 s[i]。如果指定長度 -1，則不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 (ihfft2())，這些對應於

  • "forward" - 不正規化

  • "backward" - 按 1/n 正規化

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

  其中 n = prod(s) 是邏輯 IFFT 大小。 使用相同正規化模式呼叫正向轉換 (hfft2()) 將在兩個轉換之間應用 1/n 的整體正規化。這是使 ihfft2() 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

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

與 ifft2() 的完整輸出相比，Hermitian 時空訊號僅佔用一半的空間。

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

離散傅立葉轉換是可分離的，因此此處的 ihfft2() 等同於 ifft() 和 ihfft() 的組合

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