Numpy fft.pack vs FFTW vs 自己实现 DFT答案

【问题标题】：Numpy fft.pack vs FFTW vs Implement DFT on your ownNumpy fft.pack vs FFTW vs 自己实现 DFT
【发布时间】：2015-02-26 20:28:36
【问题描述】：

我目前需要对 1024 个采样点信号运行 FFT。到目前为止，我已经在 python 中实现了我自己的 DFT 算法，但是速度很慢。如果我使用 NUMPY fftpack，甚至转向 C++ 并使用 FFTW，你们认为会更好吗？

【问题讨论】：

是的。（此括号内的声明仅在此评论中包含超过 15 个字符。）
是的...它会更容易维护（因为这不是你的责任）并使用更优化的实现（因为它的成熟时间要长得多）。只要您同意需要额外的依赖项，那么几乎没有理由构建自己的:-)
但是你推荐哪一个，python 中的 numpy 或 fftw 或 c++ 中的 fftw。
从 numpy 开始，所以你不必从头开始实现任何东西。看看它是否满足您的需求。

标签： python numpy fft fftw

【解决方案1】：

如果您完全在 Python 中实现 DFFT，您的代码运行速度将比您提到的任何一个包慢几个数量级。不仅因为这些库是用低得多的语言编写的，而且（尤其是 FFTW）它们编写得非常优化，充分利用了缓存局部性、向量单元以及书中的所有技巧，所以这并不奇怪如果他们以 10,000 倍于简单 Python 实现的速度运行。即使你在你的实现中使用了 numpy，它仍然会相形见绌。

所以是的；使用numpy的fftpack。如果这还不够快，您可以尝试 FFTW (PyFFTW) 的 python 绑定，但从 fftpack 到 fftw 的加速不会那么显着。我真的怀疑是否有必要仅仅为了 FFT 而使用 C++——它们是 Python 绑定的理想案例。

【讨论】：

【解决方案2】：

如果您需要速度，那么您想选择 FFTW，请查看pyfftw 项目。为了使用处理器SIMD 指令，您需要对齐数据，而在numpy 中没有一个简单的方法可以做到这一点。此外，pyfftw 允许您使用真正的多线程，相信我，它会快得多。

【讨论】：

你知道pyfftw大约比fftpack快多少吗？

【解决方案3】：

如果您希望坚持使用 Python（处理和维护自定义 C++ 绑定可能很耗时），您可以选择使用 FFT 的 OpenCV's 实现。

我整理了一个玩具示例，比较了 Python（Intel(R) Core(TM) i7-3930K CPU）中 OpenCV 的 dft() 和 numpy 的 fft2 函数。

samplesFreq_cv2 = [
        cv2.dft(samples[iS])
        for iS in xrange(nbSamples)]

samplesFreq_np = [
        np.fft.fft2(samples[iS])
        for iS in xrange(nbSamples)]

按顺序将 20000 个不同分辨率的图像块从 20x20 转换为 60x60 的结果：
Numpy 的 fft2：1.709100 秒
OpenCV 的 dft：0.621239 秒

这可能不如绑定到像 fftw 这样的专用 C++ 库那么快，但它是一个相当容易实现的目标。

【讨论】：