jax.numpy.fft.ifftn#
- jax.numpy.fft.ifftn(a, s=None, axes=None, norm=None)[source]#
计算多维逆离散傅里叶变换。
JAX 实现
numpy.fft.ifftn()
.- 参数:
- 返回值:
包含
a
的多维逆离散傅里叶变换的数组。- 返回类型:
另请参阅
jax.numpy.fft.fftn()
: 计算多维离散傅里叶变换。jax.numpy.fft.fft()
: 计算一维离散傅里叶变换。jax.numpy.fft.ifft()
: 计算一维逆离散傅里叶变换。
示例
jnp.fft.ifftn
当axes
参数为None
时,默认情况下计算所有轴的变换。>>> x = jnp.array([[1, 2, 5, 3], ... [4, 1, 2, 6], ... [5, 3, 2, 1]]) >>> with jnp.printoptions(precision=2, suppress=True): ... print(jnp.fft.ifftn(x)) [[ 2.92+0.j 0.08-0.33j 0.25+0.j 0.08+0.33j] [-0.08+0.14j -0.04-0.03j 0. -0.29j -1.05-0.11j] [-0.08-0.14j -1.05+0.11j 0. +0.29j -0.04+0.03j]]
当
s=[3]
时,沿axis -1
的变换维度将为3
,其他轴的维度将与输入相同。>>> with jnp.printoptions(precision=2, suppress=True): ... print(jnp.fft.ifftn(x, s=[3])) [[ 2.67+0.j -0.83-0.87j -0.83+0.87j] [ 2.33+0.j 0.83-0.29j 0.83+0.29j] [ 3.33+0.j 0.83+0.29j 0.83-0.29j]]
当
s=[2]
且axes=[0]
时,沿axis 0
的变换维度将为2
,其他轴的维度将与输入相同。>>> with jnp.printoptions(precision=2, suppress=True): ... print(jnp.fft.ifftn(x, s=[2], axes=[0])) [[ 2.5+0.j 1.5+0.j 3.5+0.j 4.5+0.j] [-1.5+0.j 0.5+0.j 1.5+0.j -1.5+0.j]]
当
s=[2, 3]
时,变换的形状将为(2, 3)
。>>> with jnp.printoptions(precision=2, suppress=True): ... print(jnp.fft.ifftn(x, s=[2, 3])) [[ 2.5 +0.j 0. -0.58j 0. +0.58j] [ 0.17+0.j -0.83-0.29j -0.83+0.29j]]