Python scipy.fftpack.fft2和cuft之间的结果差异

现在，我正在将python脚本移植到CUDA程序。 在我的python脚本中，使用了scipy.fftpack.fft2。 为了验证cufft的结果，我使用cufft编写了示例程序。 然而，scipy.fftpack.fft2和cuft之间似乎存在差异

有什么建议吗

python脚本：

def test2():
   g = [18,19,19,23,24,24,23,24,24]
   g = numpy.array(g)
   g.shape = [3,3]
   G = fft2(g)

   print "---------------"
   print g
   print G
   return 

   ---------------
    [[18 19 19]
     [23 24 24]
     [23 24 24]]
    [[ 198.+0.j   -3.+0.j   -3.+0.j]
     [ -15.+0.j    0.+0.j    0.+0.j]
     [ -15.+0.j    0.+0.j    0.+0.j]]

python脚本的结果：

def test2():
   g = [18,19,19,23,24,24,23,24,24]
   g = numpy.array(g)
   g.shape = [3,3]
   G = fft2(g)

   print "---------------"
   print g
   print G
   return 

   ---------------
    [[18 19 19]
     [23 24 24]
     [23 24 24]]
    [[ 198.+0.j   -3.+0.j   -3.+0.j]
     [ -15.+0.j    0.+0.j    0.+0.j]
     [ -15.+0.j    0.+0.j    0.+0.j]]

cuda计划：

        cufftHandle plan;
        int nRows = 3;
        int nCols = 3;
        cufftPlan2d(&plan, nRows, nCols, CUFFT_R2C);
        float h_in[9] = {18,19,19,23,24,24,23,24,24};
        float* d_in;
        cudaMalloc(&d_in, sizeof(cufftComplex)*9); 
        cufftComplex* d_freq;
        cudaMalloc(&d_freq, sizeof(cufftComplex)*9); 
        cudaMemcpy(d_in,h_in,sizeof( cufftComplex)*9,cudaMemcpyHostToDevice);
        cufftExecR2C(inverse_plan, d_in, d_freq);
        cufftComplex* h_freq = (float2*)malloc(sizeof( cufftComplex)*9);    
        cudaMemcpy(h_freq,d_freq,sizeof( cufftComplex)*9,cudaMemcpyDeviceToHost);
        for(int i=0; i<9; i++) {
        printf("%i %f %f\n", i, h_freq[i].x, h_freq[i].y);
        }

0 198.000000 -0.000001
1 -2.999996 -0.000001
2 -15.000000 0.000000
3 -0.000000 0.000000
4 -15.000000 0.000000
5 -0.000000 0.000000
6 497922732955248410000000000000.000000 8589934592.000000
7 572199135312371230000000000000.000000 8589934592.000000
8 -0.000000 0.000000

---

我不是cufft专家，但这种命名方式透露出发生了什么：

• 在numpy中，您正在运行完整的2D FFT。因为您的输入是实的，所以输出是对称的，如您所见：每行（或每列）中的最后一项与前一项相等

• 您可以利用这一点更快地运行FFT，在numpy中，这是通过

  rfft2

  功能实现的：

  >>> np.fft.rfft2(g)
  array([[ 198.+0.j,   -3.+0.j],
         [ -15.+0.j,    0.+0.j],
         [ -15.+0.j,    0.+0.j]])
  

• 我的猜测是，您的

  CUFFT\u R2C

  计划名称中的

  R2C

  表示“从真实到复杂”，因此您要求的是与

  np.rfft2

  等效的名称。如果将数组中未使用的最后3项放在一边，除了舍入错误和CUDA实现使用32位浮点，而不是numpy默认使用的64位浮点，结果几乎相同

• 快速的谷歌搜索显示

  CUFFT_C2C

  和

  cufftExecR2C

  是有效的CUFFT标识符。使用这些应该会产生你想要的正确结果。为了更接近复制，重构您的代码并使用

  Z2Z

  版本，它使用的是

  double

  ，而不是

  float

---

感谢您的回答。我确认CUFFT_R2C的结果与numpy.rfft2几乎相同。CUFFT_R2C和numpy.rfft2之间的细微差异可能是由于计算错误或浮点类型（float32或float64）造成的。@jurader如果这回答了您的问题，则习惯于接受答案。您可以通过单击答案投票按钮下方的复选标记按钮来执行此操作。