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 的訊號的離散傅立葉變換取樣頻率。

注意

約定上，fft() 先返回正頻率項，然後是反向排列的負頻率項，因此對於 Python 中的所有 $0 < i \leq n/2$ ，f[-i] 表示負頻率項。對於長度為 n 的 FFT，並且輸入在長度單位 d 中間隔，頻率為

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

注意

對於偶數長度，奈奎斯特頻率 f[n/2] 可以視為負頻率或正頻率。 fftfreq() 遵循 NumPy 的約定，將其視為負頻率。

引數

n (int) – FFT 的長度
d (float, optional) – 取樣長度尺度。FFT 輸入的各個樣本之間的間隔。預設假定為單位間隔，將該結果除以實際間隔可獲得物理頻率單位的結果。

關鍵字引數

out (Tensor, optional) – 輸出張量。
dtype (torch.dtype, optional) – 返回張量的期望資料型別。預設值：如果 None，則使用全域性預設值（參見 torch.set_default_dtype()）。
layout (torch.layout, 可選) – 返回張量的所需佈局。預設：torch.strided。
device (torch.device, optional) – 返回張量的期望裝置。預設值：如果為 None，則使用預設張量型別的當前裝置（請參閱 torch.set_default_device()）。對於 CPU 張量型別，device 將是 CPU，對於 CUDA 張量型別，將是當前 CUDA 裝置。
requires_grad (bool, optional) – 如果 autograd 應記錄在返回的張量上的操作。預設值：False。

示例

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

對於偶數輸入，我們可以看到 f[2] 處的奈奎斯特頻率被指定為負值

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

文件