torch.fft.ihfft2

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

计算实数 input 的二维逆离散傅里叶变换。相当于 ihfftn() ，但默认只变换最后两个维度。

注意

支持 CUDA 上使用 GPU 架构 SM53 或更高版本的 torch.half。但是，它只支持在每个变换维度中信号长度的 2 的幂。

参数:

• 输入（张量）- 输入张量

• s (可选的 int 元组) - 变换维度中的信号大小。如果提供，每个维度 dim[i] 在计算厄米共轭逆傅里叶变换之前将被零填充或裁剪到长度 s[i] 。如果指定了长度 -1 ，则在该维度中不进行填充。默认： s = [input.size(d) for d in dim]

• dim (Tuple[int], optional) – 要变换的维度。默认：最后两个维度。

• norm (str, optional) –

  归一化模式。对于反向转换（ ihfft2() ），这些对应于：

  • 无规范化

  • "backward" - 通过 1/n 正规化

  • "ortho" - 通过 1/sqrt(n) 进行归一化（使厄米共轭逆傅里叶变换正交归一）

  其中 n = prod(s) 是逻辑 IFFT 大小。使用相同的归一化模式调用正向转换（ hfft2() ）将在两个转换之间应用整体归一化 1/n 。这是使 ihfft2() 精确逆变换所必需的。

  默认为 "backward" （通过 1/n 进行规范化）。

关键字参数:

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，厄米时空信号只占用一半的空间。

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

离散傅里叶变换是可分离的，因此 ihfft2() 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)
True