Python PyTorch irfftn用法及代碼示例

本文簡要介紹python語言中 torch.fft.irfftn 的用法。

用法:

torch.fft.irfftn(input, s=None, dim=None, 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] 將在計算實際 FFT 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。默認為最後一維的偶數輸出：s[-1] = 2*(input.size(dim[-1]) - 1)。

• dim(元組[int],可選的) -要轉換的維度。最後一個維度必須是half-Hermitian 壓縮維度。默認值：所有維度，或者如果給出s，則為最後一個len(s) 維度。

• norm(str,可選的) -

  標準化模式。對於後向變換(irfftn())，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(使真正的IFFT正交)

  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 ( rfftn() ) 將在兩個變換之間應用 1/n 的整體歸一化。這是使 irfftn() 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 rfftn() 的倒數。

input 被解釋為傅裏葉域中的單側埃爾米特信號，由 rfftn() 產生。根據埃爾米特性質，輸出將是實值。

注意

某些輸入頻率必須是實值才能滿足 Hermitian 屬性。在這些情況下，虛部將被忽略。例如，zero-frequency 項中的任何虛部都不能在實際輸出中表示，因此將始終被忽略。

注意

Hermitian 輸入的正確解釋取決於 s 給出的原始數據的長度。這是因為每個輸入形狀都可能對應於奇數或偶數長度的信號。默認情況下，假設信號為偶數長度，奇數信號不會正確round-trip。因此，建議始終傳遞信號形狀 s 。

示例

>>> t = torch.rand(10, 9)
>>> T = torch.fft.rfftn(t)

如果不將輸出長度指定為 irfft() ，則輸出將無法正確地 round-trip ，因為最後一維中的輸入是 odd-length ：

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

因此，建議始終傳遞信號形狀 s 。

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