【Pytorch】torch_dct中解决AttributeError: module ‘torch‘ has no attribute ‘irfft‘

问题背景

在使用torch_dct时报错,经调研,是torch版本过高,dct中调用的旧的fft相关函数已经更新。

探索过程

参考[2]中说的对应关系如下:

旧版新版
torch.rfft(input, signal_ndim=2, normalized=False, onesided=False)torch.fft.fft()
torch.rfft(input, signal_ndim=2, normalized=False, onesided=True)torch.fft.rfft()
torch.irfft(input, signal_ndim=2, normalized=False, onesided=False)torch.fft.ifft2()
torch.irfft(input, signal_ndim=2, normalized=False, onesided=True)torch.fft.irfft2()

感觉博客[2]讲的比较乱,而且它只提了对于2D,而我现在需要处理1D的信号,去pytorch官网[3]才看明白函数是咋用的。

torch_dct中对于2D和3D的DCT都是调用1D的DCT函数实现的,而1D的DCT中调用了1D的FFT,所以我需要针对我自己碰到的问题另寻方法进行改进,

解决方案

这里参考[1]中提到2D fft的解决方案,我给出对于2D torch_dct的解决方案:在_dct.py的开头添加下面这句话:

try:
    from torch import irfft
    from torch import rfft
except ImportError:
    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

同时在调用到的地方对函数名从torch.rffttorch.irfft中进行修改:

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

结果验证

和cv2的dct和idct进行对比,计算得到的结果相同:

代码如下:

import os
import cv2
import time
import torch
import torch_dct
import numpy as np

bgr_img = np.random.random((24,24))
bgr_tensor = torch.tensor(bgr_img)

dct_img = cv2.dct(bgr_img.astype(np.float32))
dct_img_tensor = torch.tensor(dct_img)
dct_tensor = torch_dct.dct_2d(bgr_tensor, 'ortho')
print(dct_img_tensor - dct_tensor)

idct_img = cv2.idct(dct_img)
idct_img_tensor = torch.tensor(idct_img)
idct_tensor = torch_dct.idct_2d(dct_tensor, 'ortho')
print(idct_img_tensor - idct_tensor)

参考链接

[1] 旧版pytorch中torch.rfft和irfft在新版本中的对应
[2] 解决报错:AttributeError: module ‘torch‘ has no attribute ‘irfft‘
[3] https://pytorch.org/docs/stable/fft.html

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
上一篇 2022年5月26日 下午1:03
下一篇 2022年5月26日 下午1:07

相关推荐

本站注重文章个人版权,不会主动收集付费或者带有商业版权的文章,如果出现侵权情况只可能是作者后期更改了版权声明,如果出现这种情况请主动联系我们,我们看到会在第一时间删除!本站专注于人工智能高质量优质文章收集,方便各位学者快速找到学习资源,本站收集的文章都会附上文章出处,如果不愿意分享到本平台,我们会第一时间删除!