torch.fft.fft2

torch.fft.fft2(input, s=None, dim=(-2, -1), norm=None, *, out=None) → Tensor [исходный код]

Вычисляет двумерное дискретное преобразование Фурье для input. Эквивалентно fftn(), но по умолчанию выполняет БПФ только для двух последних измерений.

Примечание

Представление любого вещественного сигнала в частотной области обладает свойством эрмитовой симметрии: X[i, j] = conj(X[-i, -j]). Эта функция всегда возвращает все положительные и отрицательные частотные составляющие, хотя для вещественных входных данных половина этих значений избыточна. rfft2() возвращает более компактное одностороннее представление, в котором возвращаются только положительные частоты последнего измерения.

Примечание

Поддерживает torch.half и torch.chalf на CUDA с архитектурой GPU SM53 или выше. Однако длина сигнала в каждом преобразуемом измерении должна быть степенью 2.

Параметры:

• input (Tensor) – входной тензор
• s (Tuple[int], optional) – Размер сигнала в преобразуемых измерениях. Если задан, каждое измерение dim[i] будет дополнено нулями или обрезано до длины s[i] перед вычислением БПФ. Если длина -1 не указана, в этом измерении дополнение не выполняется. По умолчанию: s = [input.size(d) for d in dim]
• dim (Tuple[int], optional) – Измерения, для которых выполняется преобразование. По умолчанию: два последних измерения.

• norm (str, optional) –

  Режим нормализации. Для прямого преобразования (fft2()) соответствуют следующие варианты:

  • "forward" — нормализация на 1/n
  • "backward" — без нормализации
  • "ortho" — нормализация на 1/sqrt(n) (что делает БПФ ортонормированным)

  Здесь n = prod(s) — логический размер БПФ. Вызов обратного преобразования (ifft2()) с тем же режимом нормализации применит к обоим преобразованиям общую нормализацию 1/n. Это необходимо, чтобы ifft2() было точным обратным преобразованием.

  По умолчанию используется "backward" (без нормализации).

Именованные аргументы:

out (Tensor, optional) – выходной тензор.

Пример

>>> x = torch.rand(10, 10, dtype=torch.complex64)
>>> fft2 = torch.fft.fft2(x)

Дискретное преобразование Фурье является разделимым, поэтому fft2() в этом примере эквивалентно двум вызовам одномерного преобразования fft():

>>> two_ffts = torch.fft.fft(torch.fft.fft(x, dim=0), dim=1)
>>> torch.testing.assert_close(fft2, two_ffts, check_stride=False)