Python PyTorch rfftn用法及代碼示例

本文簡要介紹python語言中 torch.fft.rfftn 的用法。

用法:

torch.fft.rfftn(input, s=None, dim=None, norm=None, *, out=None) → Tensor

參數：

• input(Tensor) -輸入張量

• s(元組[int],可選的) -轉換維度中的信號大小。如果給定，每個維度 dim[i] 將在計算實際 FFT 之前補零或修剪到長度 s[i]。如果指定了長度-1，則在該維度中不進行填充。默認值：s = [input.size(d) for d in dim]

• dim(元組[int],可選的) -要轉換的維度。默認值：所有維度，或者如果給出s，則為最後一個len(s) 維度。

• norm(str,可選的) -

  標準化模式。對於正向變換(rfftn())，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(使真正的 FFT 正交化)

  其中 n = prod(s) 是邏輯 FFT 大小。使用相同的歸一化模式調用反向變換 ( irfftn() ) 將在兩個變換之間應用 1/n 的整體歸一化。這是使 irfftn() 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。

計算實數 input 的 N 維離散傅裏葉變換。

真實信號的 FFT 是埃爾米特對稱的，X[i_1, ..., i_n] = conj(X[-i_1, ..., -i_n])，因此完整的 fftn() 輸出包含冗餘信息。 rfftn() 相反，忽略最後一個維度中的負頻率。

示例

>>> t = torch.rand(10, 10)
>>> rfftn = torch.fft.rfftn(t)
>>> rfftn.size()
torch.Size([10, 6])

與 fftn() 的完整輸出相比，我們的所有元素都達到了奈奎斯特頻率。

>>> fftn = torch.fft.fftn(t)
>>> torch.testing.assert_close(fftn[..., :6], rfftn, check_stride=False)

離散傅裏葉變換是可分離的，因此這裏的rfftn()相當於 fft() 和 rfft() 的組合：

>>> two_ffts = torch.fft.fft(torch.fft.rfft(t, dim=1), dim=0)
>>> torch.testing.assert_close(rfftn, two_ffts, check_stride=False)