torch.fft.fft

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

計算 input 的一維離散傅立葉轉換。

注意

任何真實訊號的傅立葉域表示滿足 Hermitian 屬性：X[i] = conj(X[-i])。 即使對於真實輸入，負頻率是多餘的，此函數始終返回正頻率和負頻率項。rfft() 返回更緊湊的單邊表示，其中僅返回正頻率。

注意

在 GPU 架構 SM53 或更高版本的 CUDA 上支援 torch.half 和 torch.chalf。 但是，它僅支援每個轉換維度中的 2 的冪次訊號長度。

參數

• input (Tensor) – 輸入張量

• n (int, optional) – 訊號長度。如果給定，輸入將在計算 FFT 之前，被填充零或截斷至此長度。

• dim (int, optional) – 執行一維 FFT 的維度。

• norm (str, optional) –

  標準化模式。對於正向轉換 (fft())，這些對應於

  • "forward" - 按 1/n 標準化

  • "backward" - 不進行標準化

  • "ortho" - 按 1/sqrt(n) 標準化 (使 FFT 正交)

  使用相同的標準化模式呼叫反向轉換 (ifft()) 將在兩個轉換之間應用總體標準化 1/n。這是使 ifft() 成為精確反向轉換所必需的。

  預設值為 "backward" (不進行標準化)。

關鍵字參數

out (Tensor, optional) – 輸出張量。

範例

>>> 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])