torch.fft.irfftn

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

Вычисляет обратное преобразование rfftn().

input интерпретируется как односторонний эрмитов сигнал в частотной области, как и генерируется функцией rfftn(). Благодаря свойству эрмитовости, результат будет вещественным.

Примечание

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

Примечание

Правильная интерпретация эрмитова входа зависит от длины исходных данных, как указано в s. Это связано с тем, что каждая форма входа может соответствовать сигналу с нечётной или чётной длиной. По умолчанию предполагается чётная длина сигнала, и нечётные сигналы не будут корректно 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, которая является степенью двойки, во всех преобразуемых измерениях. С аргументами по умолчанию размер последнего измерения должен быть (2ⁿ + 1), так как аргумент s по умолчанию задаёт чётный размер вывода = 2 * (размер_последнего_измерения - 1)

Параметры

• input (Tensor) – входной тензор
• s (Tuple[int], optional) – Размер сигнала в преобразуемых измерениях. Если задано, каждое измерение dim[i] будет либо заполнено нулями, либо обрезано до длины s[i] перед вычислением вещественного FFT. Если длина -1 указана, в этом измерении заполнения не происходит. По умолчанию используется чётный вывод в последнем измерении: s[-1] = 2*(input.size(dim[-1]) - 1).
• dim (Tuple[int], optional) – Измерения, которые будут преобразованы. Последнее измерение должно быть измерением, сжатым для полуэрмитов преобразования. По умолчанию: все измерения, или последние len(s) измерений, если s задано.

• 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) (чтобы обратное преобразование было ортогональным)

  Где n = prod(s) - это логический размер обратного преобразования. Вызов прямого преобразования (rfftn()) с тем же режимом нормализации применит общую нормализацию 1/n между двумя преобразованиями. Это необходимо, чтобы irfftn() было 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 вывода для irfft(), выход не будет корректно обработаться, потому что вход имеет нечётную длину в последнем измерении:

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

Поэтому рекомендуется всегда передавать форму сигнала s.

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