fftn

paddle.fft. fftn ( x, s=None, axes=None, norm='backward', name=None ) [源代码]

计算 N 维离散傅里叶变换。

通过快速傅里叶变换(FFT)算法对 M 维 Tensor 中的 N 维计算离散傅里叶变换,默认为全部维度。

参数

  • x (Tensor) - 输入数据,其数据类型可以为实数或复数。

  • s (Sequence[int],可选) - 输出 Tensor 在每一个傅里叶变换轴上的长度(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 Tensor 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 11/n

    • "forward":正向和逆向变换的缩放系数分别为 1/n1

    • "ortho":正向和逆向变换的缩放系数均为 1/sqrt(n)

    其中 ns 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

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,数据类型为复数类型。

代码示例

import numpy as np
import paddle

x = np.mgrid[:4, :4, :4][1]
xp = paddle.to_tensor(x)
fftn_xp = paddle.fft.fftn(xp, axes=(1, 2)).numpy()
print(fftn_xp)
#  [[[24.+0.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.+8.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.+0.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.-8.j  0.+0.j  0.+0.j  0.-0.j]]
#   [[24.+0.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.+8.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.+0.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.-8.j  0.+0.j  0.+0.j  0.-0.j]]
#   [[24.+0.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.+8.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.+0.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.-8.j  0.+0.j  0.+0.j  0.-0.j]]
#   [[24.+0.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.+8.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.+0.j  0.+0.j  0.+0.j  0.-0.j]
#   [-8.-8.j  0.+0.j  0.+0.j  0.-0.j]]]