torch.fft.irfftn

torch.fft.irfftn(input, s=None, dim=None, norm=None, *, out=None) → Tensor

Вычисляет обратное преобразование rfftn().

input интерпретируется как односторонняя эрмитова последовательность в частотной области, как полученная функцией rfftn(). Благодаря свойству эрмитовости, результат будет вещественным.

Примечание

Некоторые частоты входных данных должны быть вещественными, чтобы удовлетворить свойству эрмитовости. В таких случаях мнимая составляющая будет проигнорирована. Например, любая мнимая составляющая в нулевой частоте не может быть представлена в вещественном результате и поэтому всегда игнорируется.

Примечание

Корректная интерпретация эрмитова ввода зависит от длины исходных данных, как указано в s. Это связано с тем, что каждая форма входных данных может соответствовать либо последовательности нечетной, либо четной длины. По умолчанию предполагается, что последовательность имеет четную длину, и последовательности с нечетной длиной не будут правильно образовывать круг. Поэтому рекомендуется всегда передавать размер последовательности s.

Примечание

Поддерживает torch.half и torch.chalf на CUDA с архитектурой GPU SM53 или выше. Однако он поддерживает только длины последовательностей, являющихся степенями 2, во всех преобразуемых измерениях. При значениях по умолчанию размер последнего измерения должен быть (2^n + 1), так как аргумент s по умолчанию задает четный размер результата = 2 * (размер_последнего_измерения - 1)

Параметры:

• input (Tensor) – входной тензор
• s (Tuple[int], optional) – Размер последовательности в преобразуемых измерениях. Если указано, каждое измерение dim[i] будет либо дополнено нулями, либо усечено до длины s[i] перед вычислением вещественного Фурье-преобразования. Если длина -1 задана, заполнение в этом измерении не выполняется. По умолчанию используется четный результат в последнем измерении: s[-1] = 2*(input.size(dim[-1]) - 1).
• dim (Tuple[int], optional) – Измерения, которые нужно преобразовать. Последнее измерение должно быть измерением, сжатым в половину Эрмита. По умолчанию: все измерения или последние len(s) измерения, если s указано.

• norm (str, optional) –

  Режим нормализации. Для обратного преобразования (irfftn()) они соответствуют:

  • "forward" - без нормализации
  • "backward" - нормализация по 1/n
  • "ortho" - нормализация по 1/sqrt(n) (делая обратное вещественное преобразование ортогональным)

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

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

Ключевые аргументы:

out (Tensor, optional) – выходной тензор.

Пример

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

Без указания длины результата для irfft(), результат не будет правильно образовывать круг, потому что вход имеет нечетную длину в последнем измерении:

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

Поэтому рекомендуется всегда передавать размер последовательности s.

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