torch.fft.ihfft2

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

Вычисляет двумерное обратное дискретное преобразование Фурье вещественного input. Эквивалентно ihfftn(), но по умолчанию преобразует только два последних измерения.

Примечание

Поддерживает torch.half на CUDA с архитектурой GPU SM53 или выше. Однако поддерживаются только длины сигнала, являющиеся степенями двойки, во всех преобразуемых измерениях.

Параметры:

• input (Tensor) – входной тензор
• s (Tuple[int], необязательно) – Размер сигнала в преобразуемых измерениях. Если задан, каждое измерение dim[i] будет дополнено нулями или усечено до длины s[i] перед вычислением эрмитова обратного преобразования Фурье. Если указана длина -1, в этом измерении дополнение не выполняется. По умолчанию: s = [input.size(d) for d in dim]
• dim (Tuple[int], необязательно) – Измерения, которые нужно преобразовать. По умолчанию: два последних измерения.

• norm (str, необязательно) –

  Режим нормализации. Для обратного преобразования (ihfft2()) эти режимы означают:

  • "forward" — без нормализации
  • "backward" — нормализация на 1/n
  • "ortho" — нормализация на 1/sqrt(n) (эрмитово обратное преобразование Фурье становится ортонормированным)

  Здесь n = prod(s) — логический размер обратного преобразования Фурье. Вызов прямого преобразования (hfft2()) с тем же режимом нормализации обеспечивает общую нормализацию 1/n между двумя преобразованиями. Это необходимо, чтобы ihfft2() было точным обратным преобразованием.

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

Именованные аргументы:

out (Tensor, необязательно) – выходной тензор.

Пример

>>> T = torch.rand(10, 10)
>>> t = torch.fft.ihfft2(t)
>>> t.size()
torch.Size([10, 6])

По сравнению с полным результатом ifft2() эрмитов сигнал во временно-пространственной области занимает только половину пространства.

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

Дискретное преобразование Фурье сепарабельно, поэтому ihfft2() здесь эквивалентно комбинации ifft() и ihfft():

>>> two_ffts = torch.fft.ifft(torch.fft.ihfft(t, dim=1), dim=0)
>>> torch.allclose(t, two_ffts)
True