rfftn¶

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

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=Place(cpu), 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, 4], dtype=complex64, place=Place(cpu), stop_gradient=True,
[[[(8+0j), 0j, 0j, 0j],
  [(8+0j), 0j, 0j, 0j],
  [(8+0j), 0j, 0j, 0j]],
 [[0j, 0j, 0j, 0j],
  [0j, 0j, 0j, 0j],
  [0j, 0j, 0j, 0j]]])

         

使用本API的教程文档¶

PyTorch 写法