numpy.fft.fft2

解释链接🔗：Link

numpy.fft.fft2(a, s=None, axes=(-2, -1), norm=None)

Compute the 2-dimensional discrete Fourier Transform.

  This function computes the n-dimensional discrete Fourier Transform over any axes in an M-dimensional array by means of the Fast Fourier Transform (FFT). By default, the transform is computed over the last two axes of the input array, i.e., a 2-dimensional FFT.

该函数通过快速傅里叶变换 (FFT) 计算 M 维数组中任意轴上的 n 维离散傅里叶变换。默认情况下，变换是在输入数组的最后两个轴上计算的，即二维 FFT。

参数 axes：sequence of ints, optional

  Axes over which to compute the FFT. If not given, the last two axes are used. A repeated index in axes means the transform over that axis is performed multiple times. A one-element sequence means that a one-dimensional FFT is performed.

计算 FFT 的轴。如果未给出，则使用最后两个轴。轴中的重复索引意味着对该轴的变换被执行多次。一元素序列意味着执行一维FFT。

那我们现在来看看numpy.fft.fftn.

Notes: fft2 is just fftn with a different default for axes.

numpy.fft.fftn

解释链接🔗：Link

numpy.fft.fftn(a, s=None, axes=None, norm=None)

Compute the N-dimensional discrete Fourier Transform.

  This function computes the N-dimensional discrete Fourier Transform over any number of axes in an M-dimensional array by means of the Fast Fourier Transform (FFT).

此函数通过快速傅里叶变换 (FFT) 计算 M 维数组中任意数量轴上的 N 维离散傅里叶变换。

参数：axes：sequence of ints, optional

Axes over which to compute the FFT. If not given, the last len(s) axes are used, or all axes if s is also not specified. Repeated indices in axes means that the transform over that axis is performed multiple times.

计算 FFT 的轴。如果未给出，则使用最后 len(s) 个轴，如果也未指定 s，则使用所有轴。轴中的重复索引意味着对该轴的变换被执行多次。

torch.fft.ffn

官方解释链接🔗：Link

torch.fft.fftn(input, s=None, dim=None, norm=None, *, out=None) -> Tensor

Computes the N dimensional discrete Fourier transform of input.

参数：dim (Tuple[[int], optional) – Dimensions to be transformed. Default: all dimensions, or the last len(s) dimensions if s is given.

torch.fft.fft2

官方解释链接🔗：Link

torch.fft.fft2(input, s=None, dim=(-2, -1), norm=None, * , out=None) -> Tensor

Computes the 2 dimensional discrete Fourier transform of input. Equivalent to fftn() but FFTs only the last two dimensions by default.

意思是说 fft2() 等价于 ：fftn() 只对最后两个维度进行傅里叶变换。

指定变换轴的参数是：dim，默认是最后两个维度。

总结：

1. 使用torch和numpy的区别 ：使用torch表示支持使用GPU来进行计算，而numpy不支持。
2. 使用fft.fft2和fft.fftn的区别：fft2仅支持对两个轴进行傅里叶变换，并且默认是最后两个轴，而fft.fftn支持对所有轴进行傅里叶变换，默认是全部的轴，当然使用的时候也可以指定轴,如果指定的是最后两个轴的话那么效果和fft.fft2的效果是一样的。