Python PyTorch ifft2用法及代碼示例

本文簡要介紹python語言中 torch.fft.ifft2 的用法。

用法:

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

參數：

• input(Tensor) -輸入張量

• s(元組[int],可選的) -轉換維度中的信號大小。如果給定，每個維度 dim[i] 將在計算 IFFT 之前補零或修剪到長度 s[i]。如果指定了長度-1，則在該維度中不進行填充。默認值：s = [input.size(d) for d in dim]

• dim(元組[int],可選的) -要轉換的維度。默認值：最後兩個維度。

• norm(str,可選的) -

  標準化模式。對於後向變換(ifft2())，這些對應於：

  • "forward" - 沒有標準化

  • "backward" - 通過 1/n 標準化

  • "ortho" - 通過1/sqrt(n) 標準化(使IFFT正交化)

  其中n = prod(s) 是邏輯 IFFT 大小。使用相同的歸一化模式調用正向變換 ( fft2() ) 將在兩個變換之間應用 1/n 的整體歸一化。這是使 ifft2() 精確反轉所必需的。

  默認值為 "backward" (由 1/n 標準化)。

關鍵字參數：

out(Tensor,可選的) -輸出張量。

計算 input 的二維離散傅裏葉逆變換。等效於 ifftn() 但默認情況下僅對最後兩個維度進行 IFFT。

示例

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

離散傅裏葉變換是可分離的，因此這裏的ifft2()相當於兩個一維的 ifft() 調用：

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