torch.fft.ihfft2

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

計算實數 input 的二維逆離散傅立葉變換。等同於 ihfftn()，但預設只變換最後兩個維度。

注意

在 GPU 架構 SM53 或更高版本的 CUDA 上支援 torch.half。但它僅支援每個變換維度中訊號長度為 2 的冪次方。

引數

• input (Tensor) – 輸入張量

• s (Tuple[int], 可選) – 變換維度中的訊號大小。如果指定，則在計算 Hermitian IFFT 之前，會將每個維度 dim[i] 零填充或裁剪到長度 s[i]。如果長度指定為 -1，則該維度不做填充。預設值：s = [input.size(d) for d in dim]

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

• norm (str, 可選) –

  歸一化模式。對於逆變換 (ihfft2())，它們對應於

  • "forward" - 不進行歸一化

  • "backward" - 按 1/n 進行歸一化

  • "ortho" - 按 1/sqrt(n) 進行歸一化 (使 Hermitian IFFT 正交)

  其中 n = prod(s) 是邏輯 IFFT 大小。使用相同的歸一化模式呼叫正向變換 (hfft2()) 將在兩個變換之間應用總歸一化因子 1/n。這是使 ihfft2() 成為精確逆變換所必需的。

  預設值是 "backward" (按 1/n 進行歸一化)。

關鍵字引數

out (Tensor, 可選) – 輸出張量。

示例

>>> 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 時空訊號只佔用一半空間。

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

離散傅立葉變換是可分離的，因此這裡的 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