torch.fft.ifft2

torch.fft.ifft2(input, s=None, dim=(-2, -1), norm=None, *, out=None) → Tensor

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

Примечание

Поддерживает torch.half и torch.chalf на CUDA с архитектурой GPU SM53 или выше. Однако он поддерживает только длины сигнала, являющиеся степенями двойки, в каждом измерении преобразования.

Параметры

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

• norm (str, optional) –

  Режим нормализации. Для обратного преобразования (ifft2()), они соответствуют:

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

  Где n = prod(s) — логический размер обратного преобразования. Вызов прямого преобразования (fft2()) с тем же режимом нормализации применит общую нормализацию 1/n между двумя преобразованиями. Это необходимо, чтобы ifft2() было точным обратным преобразованием.

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

Ключевые аргументы

out (Тензор, optional) – выходной тензор.

Пример

>>> x = torch.rand(10, 10, dtype=torch.complex64)
>>> ifft2 = torch.fft.ifft2(x)

Дискретное преобразование Фурье является раздельно вычислимым, поэтому ifft2() здесь эквивалентно двум вызовам одномерного обратного преобразования Фурье ifft():

>>> two_iffts = torch.fft.ifft(torch.fft.ifft(x, dim=0), dim=1)
>>> torch.testing.assert_close(ifft2, two_iffts, check_stride=False)