torch.rfft

torch.rfft是PyTorch中的一个函数，用于进行实数输入的快速傅里叶变换（FFT）。它将实数输入信号转换为复数频域表示。rfft函数的使用方式如下：

torch.rfft(input, signal_ndim, normalized=False, onesided=True)

其中，参数说明如下：
- input：输入的实数张量，可以是一维或多维的。
- signal_ndim：输入信号的维度。对于一维信号，signal_ndim=1；对于二维信号，signal_ndim=2；以此类推。
- normalized：是否对结果进行归一化，默认为False。
- onesided：是否只返回单边频谱，默认为True。如果设置为True，则只返回频率范围从0到N/2的频谱，其中N是输入信号的长度。

rfft函数返回一个复数张量，表示输入信号的频域表示。返回的张量的形状取决于输入信号的维度和onesided参数的设置。

相关问题

torch.rfft用法详解

`torch.rfft` 是 PyTorch 中一个用于实现快速傅里叶变换（FFT）的函数。它可用于对实数或复数序列执行 FFT，并返回实数或复数频谱。下面是 `torch.rfft` 的用法详解：

torch.rfft(input, signal_ndim, normalized=False, onesided=True, output=None, inverse=False)

参数：

- `input`（Tensor）：要进行 FFT 的输入张量。可以是实数或复数张量。如果是实数张量，则必须是实数输入张量的最后一维的奇数长度。如果是复数张量，则必须是复数输入张量的最后一维的偶数长度。
- `signal_ndim`（int）：FFT 要在哪些维度上执行。通常为 1 或 2。
- `normalized`（bool）：是否进行归一化。默认为 False。
- `onesided`（bool）：是否只返回正频率部分。默认为 True。
- `output`（Tensor）：可选参数，输出张量。如果不为 None，则必须具有与输入张量相同的形状。
- `inverse`（bool）：是否执行逆 FFT。默认为 False。

返回值：

- `output`（Tensor）：FFT 的结果。如果 `onesided` 为 True，则返回的张量的最后一维的长度是 `(input.size(-1)//2)+1`，否则长度是 `input.size(-1)`。

示例：

import torch

# 1D FFT
x = torch.randn(5, 4)
y = torch.rfft(x, 1)
print(y.shape)  # torch.Size([5, 3, 2])

# 2D FFT
x = torch.randn(5, 4, 3, 2)
y = torch.rfft(x, 2)
print(y.shape)  # torch.Size([5, 3, 2, 2])

# Inverse FFT
x = torch.randn(5, 4, 3)
y = torch.rfft(x, 2)
z = torch.irfft(y, 2, signal_sizes=x.shape[-3:])
print(z.shape)  # torch.Size([5, 4, 3])

torch.rfft2用法详解

torch.rfft2 是 PyTorch 中的一个函数，用于进行二维实数输入的快速傅里叶变换（FFT）。该函数的返回值是一个复数张量，包含了输入数据的傅里叶变换结果。以下是该函数的详细用法。

函数定义：

torch.rfft2(input, signal_ndim=2, normalized=False, onesided=True)

参数说明：

- `input`：输入张量，数据类型为实数，形状为 `(batch_size, channel, height, width)`。
- `signal_ndim`：表示输入张量的信号维度，默认值为 2，即二维信号。
- `normalized`：表示是否进行归一化，即除以 Fourier 变换的系数。默认值为 False，表示不进行归一化。
- `onesided`：表示是否只保留输出的单边频谱，即对称的频率部分是否只保留一半。默认值为 True，表示只保留单边频谱。

返回值：

- 输出张量，数据类型为复数，形状为 `(batch_size, channel, height, width // 2 + 1, 2)`。其中最后一个维度表示实部和虚部。

使用示例：

import torch

# 定义输入数据
input = torch.randn(1, 3, 32, 32)

# 进行二维实数输入的快速傅里叶变换
output = torch.rfft2(input)

# 输出结果
print(output.shape)  # torch.Size([1, 3, 17, 17, 2])

上述代码中，定义了一个形状为 `(1, 3, 32, 32)` 的输入张量，其中 1 表示 batch_size，3 表示通道数，32 表示高度和宽度。然后使用 `torch.rfft2` 函数对输入数据进行二维实数输入的快速傅里叶变换，得到一个形状为 `(1, 3, 17, 17, 2)` 的输出张量。其中 17 表示经过 FFT 变换后的频域大小，2 表示实部和虚部。