离散傅里叶变换 (cupy.fft)#
标准 FFT#
|
计算一维 FFT。 |
|
计算一维逆 FFT。 |
|
计算二维 FFT。 |
|
计算二维逆 FFT。 |
|
计算 N 维 FFT。 |
|
计算 N 维逆 FFT。 |
实数 FFT#
|
计算实数输入的一维 FFT。 |
|
计算实数输入的一维逆 FFT。 |
|
计算实数输入的二维 FFT。 |
|
计算实数输入的二维逆 FFT。 |
|
计算实数输入的 N 维 FFT。 |
|
计算实数输入的 N 维逆 FFT。 |
厄米共轭 FFT#
|
计算具有厄米共轭对称性的信号的 FFT。 |
|
计算具有厄米共轭对称性的信号的 FFT。 |
辅助例程#
|
返回 FFT 采样频率。 |
|
返回实数输入的 FFT 采样频率。 |
|
将零频率分量移到频谱中心。 |
|
|
CuPy 特有 API#
详情请参阅以下描述。
用于设置加载和/或存储回调的上下文管理器。 |
|
|
设置多 GPU FFT 中使用的 GPU。 |
获取每个线程、每个设备的计划缓存，如果未找到则创建一个。 |
|
显示此线程上所有计划缓存的信息。 |
归一化#
默认归一化（norm 为 "backward" 或 None）不对正向变换进行缩放，而将逆向变换缩放 \(1/n\)。如果关键字参数 norm 为 "forward"，则与 "backward" 完全相反：对正向变换缩放 \(1/n\)，不对逆向变换进行缩放。最后，如果关键字参数 norm 为 "ortho"，则两个变换都缩放 \(1/\sqrt{n}\)。
代码兼容性特性#
NumPy 的 FFT 函数始终返回类型为 numpy.complex128 或 numpy.float64 的 numpy.ndarray。CuPy 函数不遵循此行为，如果输入的类型是 numpy.float16、numpy.float32 或 numpy.complex64，它们将返回 numpy.complex64 或 numpy.float32。
在内部，cupy.fft 始终会生成与所需变换对应的 cuFFT 计划（详情请参阅 cuFFT 文档）。如果可能，将使用 N 维计划，而不是为每个要变换的轴应用单独的一维计划。使用 N 维计划可以为多维变换提供更好的性能，但比可分离的一维计划需要更多 GPU 显存。用户可以通过设置 cupy.fft.config.enable_nd_planning = False 来禁用 N 维计划。这种调整计划类型的能力与不使用预计算 FFT 计划的 NumPy API 不同。
此外，可以通过使用由 cupyx.scipy.fftpack.get_fft_plan() 返回的现有计划作为上下文管理器来抑制自动计划生成。这同样与 NumPy 不同。
最后，当使用上述高级的类似 NumPy 的 FFT API 时，内部会缓存 cuFFT 计划以供可能的重用。计划缓存可以通过 get_plan_cache() 获取，其当前状态可以通过 show_plan_cache_info() 查询。有关计划缓存的更精细控制，请参阅 PlanCache。
多 GPU FFT#
cupy.fft 可以使用多个 GPU。要启用（禁用）此功能，请将 cupy.fft.config.use_multi_gpus 设置为 True（False）。接下来，要设置 GPU 数量或参与的 GPU ID，请使用函数 cupy.fft.config.set_cufft_gpus()。此处适用 cuFFT 文档 中列出的所有限制。特别是，使用多个 GPU 并不能保证更好的性能。