快捷方式

torch.fft.fftfreq

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

计算大小为 n 的信号的离散傅里叶变换样本频率。

注意

按照惯例,fft() 首先返回正频率项,然后按反序返回负频率项,因此在 Python 中,对于所有 0<in/20 < i \leq n/2f[-i] 提供负频率项。对于长度为 n 且输入间隔长度单位为 d 的 FFT,频率如下:

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

注意

对于偶数长度,奈奎斯特频率 (Nyquist frequency) 在 f[n/2] 可以被认为是负的或正的。fftfreq() 遵循 NumPy 的惯例,将其视为负值。

参数
  • n (int) – FFT 长度

  • d (float, 可选) – 采样长度尺度。FFT 输入中单个样本之间的间隔。默认假设单位间隔,将该结果除以实际间隔即可获得物理频率单位的结果。

关键字参数
  • out (Tensor, 可选) – 输出张量。

  • dtype (torch.dtype, 可选) – 返回张量所需的数据类型。默认值:如果为 None,则使用全局默认值(参见 torch.set_default_dtype())。

  • layout (torch.layout, 可选) – 返回张量所需的布局。默认值:torch.strided

  • device (torch.device, 可选) – 返回张量所需的设备。默认值:如果为 None,则使用默认张量类型的当前设备(参见 torch.set_default_device())。对于 CPU 张量类型,device 将是 CPU;对于 CUDA 张量类型,将是当前的 CUDA 设备。

  • requires_grad (bool, 可选) – 如果 autograd 应该记录返回张量上的操作。默认值:False

示例

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

对于偶数输入,我们可以看到 f[2] 处的奈奎斯特频率被指定为负值

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

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得问题解答

查看资源