torch.fft.ifft2

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

計算 input 的二維離散傅立葉逆變換。等效於 ifftn()，但預設僅對最後兩個維度執行 IFFT。

注意

在 GPU 架構為 SM53 或更高版本的 CUDA 上支援 torch.half 和 torch.chalf。但僅支援變換維度的訊號長度為 2 的冪次。

引數

• input (Tensor) – 輸入張量

• s (Tuple[int], optional) – 變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] 將被零填充或裁剪到長度 s[i]。如果指定長度為 -1，則該維度不進行填充。預設值：s = [input.size(d) for d in dim]

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

• norm (str, optional) –

  歸一化模式。對於逆變換 (ifft2())，它們對應於

  • "forward" - 無歸一化

  • "backward" - 乘以 1/n 進行歸一化

  • "ortho" - 乘以 1/sqrt(n) 進行歸一化 (使 IFFT 成為正交變換)

  其中 n = prod(s) 是邏輯 IFFT 大小。以相同的歸一化模式呼叫正變換 (fft2()) 將在兩個變換之間應用總歸一化 1/n。這是使 ifft2() 成為精確逆變換所必需的。

  預設值為 "backward" (乘以 1/n 進行歸一化)。

關鍵字引數

out (Tensor, optional) – 輸出張量。

示例

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

離散傅立葉變換是可分離的，因此這裡的 ifft2() 等效於兩次一維 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)