在 pyFFTW 中使用 FFTW Wisdom 来优化快速傅里叶变换

Question

我正在开发一个项目，涉及使用 Python 中的 pyFFTW 库对大型数据集执行 FFT。我听说 FFTW 有一个称为“智慧”的功能，可以通过预先计算特定变换大小和配置的最佳计划来显着提高 FFT 计算的性能。

我不完全确定如何在 pyFFTW 库中有效地使用这个智慧功能。我已阅读文档，但对实际实现仍然有点困惑。如果您能了解何时以及如何将这些智慧应用到我的 FFT 计算中以获得最佳性能增益，我将不胜感激。

这是我正在使用的设置的 MWE：

import pyfftw

# Define input and output data arrays
input_data = pyfftw.empty_aligned(128, dtype='complex128')
output_data = pyfftw.empty_aligned(128, dtype='complex128')

# Create an FFT object using pyFFTW
fft_object = pyfftw.FFTW(input_data, output_data, direction='FFTW_FORWARD', flags=('FFTW_MEASURE',))

# Perform FFT computation
fft_object(input_data)

Answer 1

FFTW 库中的“Wisdom”是指有关 FFT 计算最优计划的预先计算信息。

FFT 对象初始化后，会发生规划过程，在此期间存储智慧。因此，生成的 FFT 对象会根据所提供的输入数据的特定形状和类型进行微调。采用此规划的后续转换将自动重用存储的智慧。

因此，所有的智慧魔法都是在内部处理的。当希望使用特定的规划知识而不是重新计算它时，输出智慧就变得有意义。 作为一个例子，考虑一个场景，其中后续计算会话重用之前导出的智慧：

1. 第一节；计算规划，并导出由此产生的智慧：

   import pyfftw
   
   # Define input and output data arrays
   input_data = pyfftw.empty_aligned(128, dtype='complex128')
   output_data = pyfftw.empty_aligned(128, dtype='complex128')
   
   # Create an FFT object with pyFFTW
   fft_object = pyfftw.FFTW(
       input_data,
       output_data,
       direction='FFTW_FORWARD',
       flags=('FFTW_MEASURE',),
   )
   
   # Perform FFT computation (this will compute and store internally the wisdom)
   fft_object(input_data)
   
   # Export the computed wisdom to a file
   pyfftw.export_wisdom(filename='./fft_wisdom.dat')
   

2. 第二场；加载导出的智慧以加速优化过程：

   import pyfftw
   
   # Define input and output data arrays
   input_data = pyfftw.empty_aligned(128, dtype='complex128')
   output_data = pyfftw.empty_aligned(128, dtype='complex128')
   
   # Load wisdom from file
   pyfftw.import_wisdom(filename='./fft_wisdom.dat')
   
   # Create an FFT object using the loaded wisdom
   fft_object = pyfftw.FFTW(
       input_data,
       output_data,
       direction='FFTW_FORWARD',
       flags=('FFTW_MEASURE',),
   )
   
   # Perform FFT computation using planning wisdom
   fft_object(input_data)