本文简要介绍python语言中 torch.fft.fftn
的用法。
用法:
torch.fft.fftn(input, s=None, dim=None, norm=None, *, out=None) → Tensor
input(Tensor) -输入张量
s(元组[int],可选的) -转换维度中的信号大小。如果给定,每个维度
dim[i]
将在计算 FFT 之前补零或修剪到长度s[i]
。如果指定了长度-1
,则在该维度中不进行填充。默认值:s = [input.size(d) for d in dim]
dim(元组[int],可选的) -要转换的维度。默认值:所有维度,或者如果给出
s
,则为最后一个len(s)
维度。norm(str,可选的) -
标准化模式。对于正向变换(
fftn()
),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)
其中
n = prod(s)
是逻辑 FFT 大小。使用相同的归一化模式调用反向变换 (ifftn()
) 将在两个变换之间应用1/n
的整体归一化。这是使ifftn()
完全相反所必需的。默认为
"backward"
(无规范化)。
out(Tensor,可选的) -输出张量。
计算
input
的 N 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_1, ..., i_n] = conj(X[-i_1, ..., -i_n])
。此函数始终返回所有正频率项和负频率项,即使对于实际输入,这些值的一半是多余的。rfftn()
返回更紧凑的单侧表示,其中仅返回最后一个维度的正频率。示例
>>> x = torch.rand(10, 10, dtype=torch.complex64) >>> fftn = torch.fft.fftn(x)
离散傅里叶变换是可分离的,因此这里的
fftn()
相当于两个一维的fft()
调用:>>> two_ffts = torch.fft.fft(torch.fft.fft(x, dim=0), dim=1) >>> torch.testing.assert_close(fftn, two_ffts, check_stride=False)
参数:
关键字参数:
相关用法
- Python PyTorch fft2用法及代码示例
- Python PyTorch fftshift用法及代码示例
- Python PyTorch fftfreq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.fftn。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。