rfftn¶
N 维实数傅里叶变换。
使用快速傅里叶变换(FFT)算法对 M 维 Tensor 中的某 N 维计算实数傅里叶变换,沿最后一个轴进行实数 变换,其余轴复数变换。
参数¶
x (Tensor) - 输入数据,数据类型为实数。
s (Sequence[int],可选) - 傅里叶变换轴的长度(类似一维傅里叶变 换中的参数
n
)。对于每一个傅里叶变换的轴,如果s
中该轴的长度比输入 Tensor 中对应轴 的长度小,输入 Tensor 会被截断。如果s
中该轴的长度比输入 Tensor 中对应轴的长度大,则 输入会被补零。如果s
没有指定,则使用输入 Tensor 中由axes
指定的各个轴的长度。axes (Sequence[int],可选) - 计算快速傅里叶变换的轴。如果没有指定,默认是使用最后
len(s)
个轴,如果s
也没有指定则使用输入数据的全部的轴。norm (str,可选) - 指定傅里叶变换的缩放模式,缩放系数由变换的方向和模式同时决定。取值必 须是 "forward","backward","ortho"之一,默认值为 "backward"。三种缩放模式对应的行为如下:
"backward":正向和逆向变换的缩放系数分别为
1
和1/n
;"forward":正向和逆向变换的缩放系数分别为
1/n
和1
;"ortho":正向和逆向变换的缩放系数均为
1/sqrt(n)
;
其中
n
为s
中每个元素连乘。name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。
返回¶
Tensor,复数类型,输入数据(可能被截断或者补零之后)在指定维度进行傅里叶变换的输出。最后一个傅立 叶变换轴的长度为 s[-1]//2+1
,其余变换轴的长度与 s
相同。
代码示例¶
import paddle
# default, all axis will be used to exec fft
x = paddle.ones((2, 3, 4))
print(paddle.fft.rfftn(x))
# Tensor(shape=[2, 3, 3], dtype=complex64, place=CUDAPlace(0), stop_gradient=True,
# [[[(24+0j), 0j , 0j ],
# [0j , 0j , 0j ],
# [0j , 0j , 0j ]],
#
# [[0j , 0j , 0j ],
# [0j , 0j , 0j ],
# [0j , 0j , 0j ]]])
# use axes(2, 0)
print(paddle.fft.rfftn(x, axes=(2, 0)))
# Tensor(shape=[2, 3, 3], dtype=complex64, place=CUDAPlace(0), stop_gradient=True,
# [[[(8+0j), 0j , 0j ],
# [(8+0j), 0j , 0j ],
# [(8+0j), 0j , 0j ]],
#
# [[0j , 0j , 0j ],
# [0j , 0j , 0j ],
# [0j , 0j , 0j ]]])