Python PyTorch fft用法及代码示例

本文简要介绍python语言中 torch.fft.fft 的用法。

用法:

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

参数：

• input(Tensor) -输入张量

• n(int,可选的) -信号长度。如果给定，输入将在计算 FFT 之前补零或修整到该长度。

• dim(int,可选的) -沿其进行一维 FFT 的维度。

• norm(str,可选的) -

  标准化模式。对于正向变换(fft())，这些对应于：

  • "forward" - 通过 1/n 标准化

  • "backward" - 没有标准化

  • "ortho" - 通过1/sqrt(n) 归一化(使 FFT 正交化)

  使用相同的归一化模式调用反向变换 ( ifft() ) 将在两个变换之间应用 1/n 的整体归一化。这是使 ifft() 完全相反所必需的。

  默认为"backward"(无规范化)。

关键字参数：

out(Tensor,可选的) -输出张量。

计算 input 的一维离散傅里叶变换。

注意

任何实数信号的傅立叶域表示都满足埃尔米特性质：X[i] = conj(X[-i])。该函数始终返回正频率项和负频率项，即使对于实数输入，负频率项是多余的。 rfft() 返回更紧凑的单侧表示，其中仅返回正频率。

示例

>>> t = torch.arange(4)
>>> t
tensor([0, 1, 2, 3])
>>> torch.fft.fft(t)
tensor([ 6.+0.j, -2.+2.j, -2.+0.j, -2.-2.j])

>>> t = torch.tensor([0.+1.j, 2.+3.j, 4.+5.j, 6.+7.j])
>>> torch.fft.fft(t)
tensor([12.+16.j, -8.+0.j, -4.-4.j,  0.-8.j])