1

我使用 pyculib 在 Anaconda 3.5 中对矩阵执行 3D FFT。我只是按照网站上发布的示例代码进行操作。但我发现了一些有趣的东西，不明白为什么。

numpy.arange仅当用于创建矩阵时，使用 pyculib 对矩阵执行 3D FFT 才是正确的。

这是代码：

from pyculib.fft.binding import Plan, CUFFT_C2C
import numpy as np
from numba import cuda
data = np.random.rand(26, 256, 256).astype(np.complex64)
orig = data.copy()
d_data = cuda.to_device(data)
fftplan = Plan.three(CUFFT_C2C, *data.shape)
fftplan.forward(d_data, d_data)
fftplan.inverse(d_data, d_data)
d_data.copy_to_host(data)
result = data / n
np.allclose(orig, result.real)

最后，结果是False。而且orig和result的区别不是一个小数字，不可忽略。我尝试了一些其他数据集（不是随机数），并得到了一些错误的结果。

另外，我在没有逆 FFT 的情况下进行测试：

from pyculib.fft.binding import Plan, CUFFT_C2C
import numpy as np
from numba import cuda
from scipy.fftpack import fftn,ifftn
data = np.random.rand(26,256,256).astype(np.complex64)
orig = data.copy()
orig_fft = fftn(orig)
d_data = cuda.to_device(data)
fftplan = Plan.three(CUFFT_C2C, *data.shape)
fftplan.forward(d_data, d_data)
d_data.copy_to_host(data)
np.allclose(orig_fft, data)

结果也是错误的。

网站上的测试代码，他们numpy.arange用来创建矩阵。我试过了：

n = 26*256*256
data = np.arange(n, dtype=np.complex64).reshape(26,256,256)

而且这个矩阵的FFT结果是对的。

谁能帮忙指出原因？

4

1 回答 1

1

我不使用 CUDA，但我认为你的问题本质上是数字的。不同之处在于您使用的两个数据集。random.rand 的动态范围为 0-1，范围为 0-26*256*256。FFT 尝试按值范围/点数的顺序解析空间频率分量。对于范围，这变为统一，并且 FFT 在数值上是准确的。对于 rand，这是 1/26*256*256 ~ 5.8e-7。

仅在不使用 CUDA 的情况下在 numpy 数组上运行 FFT/IFFT 会显示出类似的差异。

于 2017-12-19T05:55:58.727 回答