torch.fft.ihfft2

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

计算实数输入的二维逆离散傅里叶变换。等效于 ihfftn()，但默认情况下仅转换最后两个维度。

注意

支持在具有 GPU 架构 SM53 或更高版本的 CUDA 上使用 torch.half。 然而，它仅支持在每个变换维度中信号长度为 2 的幂次方。

Parameters

• 输入 (张量) – 输入张量

• s (Tuple[int], 可选) – 变换维度中的信号大小。 如果给定，每个维度 dim[i] 将在计算厄米特逆傅里叶变换之前被零填充或 修剪到长度 s[i]。 如果指定了长度 -1，则在该维度上不进行填充。 默认值：s = [input.size(d) for d in dim]

• dim (Tuple[int], 可选) – 要转换的维度。 默认值：最后两个维度。

• norm (str, optional) –

  归一化模式。对于反向变换 (ihfft2()), 这些对应于:

  • "forward" - 不进行归一化

  • "backward" - 归一化因子为 1/n

  • "ortho" - 归一化因子为 1/sqrt(n) (使 Hermitian IFFT 正交)

  其中 n = prod(s) 是逻辑 IFFT 大小。 调用正向变换 (hfft2()) 并使用相同的 归一化模式将在两个变换之间应用总体归一化因子 1/n。这是为了使 ihfft2() 成为精确的逆变换。

  默认值为 "backward" (归一化因子为 1/n)。

Keyword Arguments

输出 (张量, 可选) – 输出张量。

示例

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

与ifft2()的完整输出相比，厄米时间-空间信号仅占用一半的空间。

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

离散傅里叶变换是可分离的，因此ihfft2() 这里等价于ifft()和 ihfft()的组合：

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