本文简要介绍python语言中 torch.fft.fftfreq
的用法。
用法:
torch.fft.fftfreq(n, d=1.0, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
out(Tensor,可选的) -输出张量。
dtype(
torch.dtype
, 可选的) -返回张量的所需数据类型。默认值:如果None
,使用全局默认值(参见torch.set_default_tensor_type()
)。layout(
torch.layout
, 可选的) -返回张量的所需布局。默认值:torch.strided
。device(
torch.device
, 可选的) -返回张量的所需设备。默认值:如果None
,使用当前设备作为默认张量类型(参见torch.set_default_tensor_type()
)。device
将是 CPU 张量类型的 CPU 和 CUDA 张量类型的当前 CUDA 设备。requires_grad(bool,可选的) -如果 autograd 应该在返回的张量上记录操作。默认值:
False
。
计算大小为
n
的信号的离散傅里叶变换采样频率。注意
按照惯例,
fft()
首先返回正频率项,然后以相反的顺序返回负频率,因此 Python 中所有 的f[-i]
给出负频率项。对于长度为n
且输入以长度单位d
间隔的 FFT,频率为:f = [0, 1, ..., (n - 1) // 2, -(n // 2), ..., -1] / (d * n)
注意
对于偶数长度,
f[n/2]
处的奈奎斯特频率可以被视为负或正。fftfreq()
遵循 NumPy 的约定,将其视为负数。示例
>>> torch.fft.fftfreq(5) tensor([ 0.0000, 0.2000, 0.4000, -0.4000, -0.2000])
对于偶数输入,我们可以看到
f[2]
处的奈奎斯特频率为负值:>>> torch.fft.fftfreq(4) tensor([ 0.0000, 0.2500, -0.5000, -0.2500])
参数:
关键字参数:
相关用法
- Python PyTorch fft2用法及代码示例
- Python PyTorch fftn用法及代码示例
- Python PyTorch fftshift用法及代码示例
- Python PyTorch fft用法及代码示例
- Python PyTorch frexp用法及代码示例
- Python PyTorch flip用法及代码示例
- Python PyTorch frombuffer用法及代码示例
- Python PyTorch float_power用法及代码示例
- Python PyTorch floor_divide用法及代码示例
- Python PyTorch fractional_max_pool3d用法及代码示例
- Python PyTorch frac用法及代码示例
- Python PyTorch freeze用法及代码示例
- Python PyTorch fp16_compress_hook用法及代码示例
- Python PyTorch fake_quantize_per_channel_affine用法及代码示例
- Python PyTorch flipud用法及代码示例
- Python PyTorch fliplr用法及代码示例
- Python PyTorch fp16_compress_wrapper用法及代码示例
- Python PyTorch fractional_max_pool2d用法及代码示例
- Python PyTorch from_numpy用法及代码示例
- Python PyTorch filter_wikipedia_xml用法及代码示例
- Python PyTorch fuse_modules用法及代码示例
- Python PyTorch fasterrcnn_mobilenet_v3_large_320_fpn用法及代码示例
- Python PyTorch fmax用法及代码示例
- Python PyTorch fork用法及代码示例
- Python PyTorch fmin用法及代码示例
注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.fft.fftfreq。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。