Python PyTorch fft用法及代碼示例

本文簡要介紹python語言中 torch.fft.fft 的用法。

用法:

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

參數：

• input(Tensor) -輸入張量

• n(int,可選的) -信號長度。如果給定，輸入將在計算 FFT 之前補零或修整到該長度。

• dim(int,可選的) -沿其進行一維 FFT 的維度。

• norm(str,可選的) -

  標準化模式。對於正向變換(fft())，這些對應於：

  • "forward" - 通過 1/n 標準化

  • "backward" - 沒有標準化

  • "ortho" - 通過1/sqrt(n) 歸一化(使 FFT 正交化)

  使用相同的歸一化模式調用反向變換 ( ifft() ) 將在兩個變換之間應用 1/n 的整體歸一化。這是使 ifft() 完全相反所必需的。

  默認為"backward"(無規範化)。

關鍵字參數：

out(Tensor,可選的) -輸出張量。

計算 input 的一維離散傅裏葉變換。

注意

任何實數信號的傅立葉域表示都滿足埃爾米特性質：X[i] = conj(X[-i])。該函數始終返回正頻率項和負頻率項，即使對於實數輸入，負頻率項是多餘的。 rfft() 返回更緊湊的單側表示，其中僅返回正頻率。

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])