torch.fft.irfft2

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

Вычисляет обратное преобразование rfft2(). Эквивалентно irfftn(), но по умолчанию обратное преобразование выполняется только для последних двух измерений.

input интерпретируется как односторонний эрмитов сигнал в частотной области, как полученный с помощью rfft2(). В силу свойства эрмитовости, выход будет вещественным.

Примечание

Некоторые входные частоты должны быть вещественными, чтобы удовлетворить свойству эрмитовости. В этих случаях мнимая компонента игнорируется. Например, любая мнимая компонента в нулевой частоте не может быть представлена в вещественном выходе и поэтому всегда будет игнорироваться.

Примечание

Правильная интерпретация эрмитова входа зависит от длины исходных данных, как указано в s. Это связано с тем, что каждая форма ввода может соответствовать сигналу нечётной или чётной длины. По умолчанию предполагается чётная длина сигнала, и нечётные сигналы не будут правильно обработаны. Поэтому рекомендуется всегда передавать форму сигнала s.

Примечание

Поддерживает torch.half и torch.chalf на CUDA с архитектурой GPU SM53 или выше. Однако он поддерживает только длину сигнала, являющуюся степенью двойки, во всех преобразуемых измерениях. При стандартных параметрах размер последнего измерения должен быть (2^n + 1), так как значение аргумента s по умолчанию устанавливается в чётный размер вывода = 2 * (размер_последнего_измерения - 1)

Параметры:

• input (Tensor) – входной тензор
• s (Tuple[int], optional) – Размер сигнала в преобразуемых измерениях. Если указано, каждое измерение dim[i] будет либо дополнено нулями, либо обрезено до длины s[i] перед вычислением действительного преобразования Фурье. Если указана длина -1, заполнение в этом измерении не выполняется. По умолчанию чётный вывод в последнем измерении: s[-1] = 2*(input.size(dim[-1]) - 1).
• dim (Tuple[int], optional) – Измерения, которые должны быть преобразованы. Последнее измерение должно быть измерением с полуэрмитовым сжатием. По умолчанию: последние два измерения.

• norm (str, optional) –

  Режим нормализации. Для обратного преобразования (irfft2()), они соответствуют:

  • "forward" - без нормализации
  • "backward" - нормализация на 1/n
  • "ortho" - нормализация на 1/sqrt(n) (что делает реальное обратное преобразование ортогональным)

  Где n = prod(s) - логический размер обратного преобразования. Вызов прямого преобразования (rfft2()) с тем же режимом нормализации применит общую нормализацию 1/n между двумя преобразованиями. Это необходимо, чтобы сделать irfft2() точным обратным преобразованием.

  По умолчанию "backward" (нормализация на 1/n).

Ключевые аргументы:

out (Tensor, optional) – выходной тензор.

Пример

>>> t = torch.rand(10, 9)
>>> T = torch.fft.rfft2(t)

Без указания длины вывода для irfft2(), вывод не будет правильно обработаться, потому что вход имеет нечётную длину в последнем измерении:

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

Поэтому рекомендуется всегда передавать форму сигнала s.

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