jax.numpy.fft.fftn#
- jax.numpy.fft.fftn(a, s=None, axes=None, norm=None)[source]#
沿给定轴计算多维离散傅立叶变换。
JAX 实现
numpy.fft.fftn()
.- 参数:
- 返回:
包含
a
的多维离散傅里叶变换的数组。- 返回类型:
参见
jax.numpy.fft.fft()
: 计算一维离散傅里叶变换。jax.numpy.fft.ifft()
: 计算一维逆离散傅里叶变换。jax.numpy.fft.ifftn()
: 计算多维逆离散傅里叶变换。
示例
jnp.fft.fftn
默认情况下沿所有轴计算变换,当axes
参数为None
时。>>> x = jnp.array([[1, 2, 5, 6], ... [4, 1, 3, 7], ... [5, 9, 2, 1]]) >>> with jnp.printoptions(precision=2, suppress=True): ... jnp.fft.fftn(x) Array([[ 46. +0.j , 0. +2.j , -6. +0.j , 0. -2.j ], [ -2. +1.73j, 6.12+6.73j, 0. -1.73j, -18.12-3.27j], [ -2. -1.73j, -18.12+3.27j, 0. +1.73j, 6.12-6.73j]], dtype=complex64)
当
s=[2]
时,沿axis -1
的变换维度将为2
,而沿其他轴的维度将与输入相同。>>> with jnp.printoptions(precision=2, suppress=True): ... print(jax.numpy.fft.fftn(x, s=[2])) [[ 3.+0.j -1.+0.j] [ 5.+0.j 3.+0.j] [14.+0.j -4.+0.j]]
当
s=[2]
且axes=[0]
时,沿axis 0
的变换维度将为2
,而沿其他轴的维度将与输入相同。>>> with jnp.printoptions(precision=2, suppress=True): ... print(jax.numpy.fft.fftn(x, s=[2], axes=[0])) [[ 5.+0.j 3.+0.j 8.+0.j 13.+0.j] [-3.+0.j 1.+0.j 2.+0.j -1.+0.j]]
当
s=[2, 3]
时,变换的形状将为(2, 3)
。>>> with jnp.printoptions(precision=2, suppress=True): ... print(jax.numpy.fft.fftn(x, s=[2, 3])) [[16. +0.j -0.5+4.33j -0.5-4.33j] [ 0. +0.j -4.5+0.87j -4.5-0.87j]]
jnp.fft.ifftn
可用于从jnp.fft.fftn
的结果中重建x
。>>> x_fftn = jnp.fft.fftn(x) >>> jnp.allclose(x, jnp.fft.ifftn(x_fftn)) Array(True, dtype=bool)