torch.fft.fftfreq

torch.fft.fftfreq(n, d=1.0, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

計算大小為 n 的訊號之離散傅立葉轉換的取樣頻率。

注意

依照慣例，fft() 會先傳回正頻率項，然後以相反的順序傳回負頻率，因此對於所有 $0 < i \leq n/2$，Python 中的 f[-i] 會給出負頻率項。對於長度為 n 且輸入間隔為長度單位 d 的 FFT，其頻率為：

f = [0, 1, ..., (n - 1) // 2, -(n // 2), ..., -1] / (d * n)

注意

對於偶數長度，f[n/2] 的奈奎斯特頻率可以被認為是負數或正數。fftfreq() 遵循 NumPy 的慣例，將其視為負數。

參數

• n (int) – FFT 長度

• d (float, optional) – 取樣長度比例。 FFT 輸入的各個樣本之間的間隔。預設值假設單位間隔，將該結果除以實際間隔會得出物理頻率單位的結果。

關鍵字參數

• out (Tensor, optional) – 輸出張量。

• dtype (torch.dtype, optional) – 傳回張量所需資料類型。預設值：如果 None，則使用全域預設值（請參閱 torch.set_default_dtype()）。

• layout (torch.layout, optional) – 傳回張量所需版面配置。預設值：torch.strided。

• device (torch.device, optional) – 傳回張量所需的裝置。預設值：如果 None，則使用預設張量類型的目前裝置（請參閱 torch.set_default_device()）。對於 CPU 張量類型，device 將為 CPU；對於 CUDA 張量類型，則為目前的 CUDA 裝置。

• requires_grad (bool, optional) – 如果 autograd 應記錄傳回張量的運算。預設值：False。

範例

>>> torch.fft.fftfreq(5)
tensor([ 0.0000,  0.2000,  0.4000, -0.4000, -0.2000])

對於偶數輸入，我們可以發現 f[2] 的奈奎斯特頻率被給定為負數

>>> torch.fft.fftfreq(4)
tensor([ 0.0000,  0.2500, -0.5000, -0.2500])