Python PyTorch rfftfreq用法及代码示例

本文简要介绍python语言中 torch.fft.rfftfreq 的用法。

用法:

torch.fft.rfftfreq(n, d=1.0, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

参数：

• n(int) -实际 FFT 长度

• d(float,可选的) -采样长度尺度。 FFT 输入的各个样本之间的间距。默认采用单位间距，将该结果除以实际间距得出物理频率单位的结果。

关键字参数：

• 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。

使用大小为 n 的信号计算 rfft() 的采样频率。

注意

rfft() 返回埃尔米特单侧输出，因此仅返回正频率项。对于长度为 n 且输入以长度单位 d 间隔的实数 FFT，频率为：

f = torch.arange((n + 1) // 2) / (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。与 fftfreq() 不同，rfftfreq() 始终将其返回为正值。

示例

>>> torch.fft.rfftfreq(5)
tensor([0.0000, 0.2000, 0.4000])

>>> torch.fft.rfftfreq(4)
tensor([0.0000, 0.2500, 0.5000])

与 fftfreq() 的输出相比，我们看到 f[2] 处的奈奎斯特频率已经改变了符号： >>> torch.fft.fftfreq(4) tensor([ 0.0000, 0.2500, -0.5000, -0.2500])