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 ]]])