22.11.07

1、

旧版中 pytorch.rfft 函数与新版 pytorch.fft.rfft 函数对应修改问题

旧版：

fft = torch.rfft(input, 2, normalized=True, onesided=False)
# input 为输入的图片或者向量，dtype=torch.float32，size比如为[1,3,64,64]

新版

可以看到这里也有rfft，官方文档说是用来处理都是实数的输入。但是它在前面的warning中说了是one-side，而我们要的是two-side。此外实数也可以看作是虚部都为0的复数，所以用fft没问题。
新版的rfft和fft都是用于一维输入，而我们的图像是二维，所以应该用rfft2和fft2。在fft2中，参数dim用来指定用于傅里叶变换的维度，默认(-2,-1)，正好对应H、W两个维度。
新版所有的fft都不将复数 z = a + b j z=a+bjz=a+bj 存成二维向量了，而是一个数 [ z = a + b j ] [z=a+bj][z=a+bj]。所以如果要跟旧版中一样存成二维向量，需要用.real()和.imag()提取复数的实部和虚部，然后用torch.stack()堆到一起，即可。
————————————————
版权声明：本文为CSDN博主「带鱼的鱼香肉丝」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_43169650/article/details/121717208

import torch
input = torch.rand(1,3,32,32)

# 旧版pytorch.rfft()函数
fft = torch.rfft(input, 2, normalized=True, onesided=False)

# 新版 pytorch.fft.rfft2()函数
output = torch.fft.fft2(input, dim=(-2, -1))
output = torch.stack((output.real, output_new.imag), -1)

2、torch.irfft用法：torch.irfft(input, signal_ndim, normalized=False, onesided=True, signal_sizes=None) → Tensor

Feature Request: torch.{fft, rfft} to torch.fft.{fft, rfft} porting guide · Issue #49637 · pytorch/pytorch (github.com)

try:定义新函数

def rfft(x, d):
t = torch.fft.fft(x, dim = (-d))
r = torch.stack((t.real, t.imag), -1)
return r
def irfft(x, d):
t = torch.fft.ifft(torch.complex(x[:,:,0], x[:,:,1]), dim = (-d))
return t.real

改：

# Vc = torch.rfft(v, 1, onesided=False)

Vc = rfft(v, 1)

# v = torch.irfft(V, 1, onesided=False)

v = irfft(V, 1)

3、看torch版本

import torch

torch.__version__

torch.cuda.is_available ()