torch.fft.irfft2

torch.fft.irfft2(input, s=None, dim=(- 2, - 1), norm=None, *, out=None) → Tensor

计算函数 rfft2() 的逆。相当于 irfftn() ，但默认只对最后两个维度进行逆傅里叶变换。

在傅里叶域中， input 被解释为单边厄米信号，由 rfft2() 产生。根据厄米性质，输出将是实值。

注意

一些输入频率必须是实值以满足厄米性质。在这些情况下，虚部将被忽略。例如，零频率项中的任何虚部都无法在实输出中表示，因此总是会被忽略。

注意

厄米输入的正确解释取决于原始数据的长度，如 s 所示。这是因为每个输入形状可能对应奇长或偶长信号。默认情况下，信号被认为是偶长，奇长信号将无法正确往返。因此，建议始终传递信号形状 s 。

注意

支持 CUDA 上 torch.half 和 torch.chalf，但仅支持在每个变换维度中信号长度的 2 的幂。默认参数下，最后一个维度的尺寸应为(2^n + 1)，因为参数 s 默认为偶数输出大小，即 2 * (last_dim_size - 1)

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] 在计算实 FFT 之前将被零填充或裁剪到长度 s[i] 。如果指定长度 -1 ，则在该维度中不进行填充。默认为最后一个维度偶数输出： s[-1] = 2*(input.size(dim[-1]) - 1) 。

• dim (可选的(int 元组) - 要变换的维度。最后一个维度必须是半厄米压缩维度。默认：最后两个维度。

• norm (str, optional) –

  归一化模式。对于反向转换（ irfft2() ），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（使实部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（ rfft2() ）将在两个转换之间应用整体归一化 1/n 。这是使 irfft2() 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, 9)
>>> T = torch.fft.rfft2(t)

如果没有指定输出长度到 irfft2() ，由于输入在最后一个维度是奇数长度，输出将无法正确往返：

>>> torch.fft.irfft2(T).size()
torch.Size([10, 8])

因此，建议始终传递信号形状 s 。

>>> roundtrip = torch.fft.irfft2(T, t.size())
>>> roundtrip.size()
torch.Size([10, 9])
>>> torch.testing.assert_close(roundtrip, t, check_stride=False)