精度和性能注意事项#
NVPL FFT 采用 Cooley-Tukey 算法 来优化特定变换大小的性能。
Cooley-Tukey 算法将 DFT 矩阵表示为稀疏构建块矩阵的乘积，其中 NVPL FFT 实现了 radix-2、radix-3、radix-5 和 radix-7 构建块。因此，当变换大小可以写成 \(2^a \times 3^b \times 5^c \times 7^d\) 的形式时，NVPL FFT 效率更高，其中 a、b、c 和 d 为一些非负整数。
对于不能写成这种形式的大小，则使用 Bluestein 算法。由于 Bluestein 算法的实现比 Cooley-Tukey 算法的实现每个输出点需要更多的计算，因此 Cooley-Tukey 算法具有更好的精度。
有关如何获得更好的 NVPL FFT 性能的通用技巧，请参阅表：NVPL FFT 性能技巧。
适用 |
建议 |
注释 |
|---|---|---|
全部 |
使用单精度变换。 |
单精度变换比双精度变换每次计算所需的带宽更少。 |
全部 |
限制每个维度的大小以使用更少的不同质因数。 |
尺寸为 \(2^n\) 或 \(3^m\) 的变换通常比尺寸为 \(2^i\times 3^j\) 的变换更快，即使后者略小，这归因于专用路径的组成。 |
全部 |
当执行单个变换时，限制数据在内存中是连续的。当执行多个变换时，使各个数据集是连续的。 |
该库针对此数据布局进行了优化。 |
全部 |
执行多个，即批量变换。 |
该库在批量模式下执行了额外的优化。 |
Grace 和 AWS Graviton 3 CPU |
使用等于 CPU 核心数的线程数 |
该库在此配置下实现最佳性能。 |
警告
如发行说明中所述，某些受支持的 FFT 大小，包括复合大小和大于 50K 元素的大小，尚未完全优化。
结果可再现性#
NVPL FFT 产生的结果是确定性的，即可按位重现的，只要 (1) 计划输入参数，(2) 多线程设置，(3) NVPL FFT 版本和 (4) CPU 型号在运行之间保持不变。
注意
不同数量的线程可能会导致性能优化的不同代码路径。因此，以不同线程数运行的结果可能彼此不同。
注意
如 cuFFT 一样，当在批量模式下计算 DFT 时，来自不同批次的信号可以组合在一起进行处理以进行性能优化。因此，来自批量模式和非批量执行的结果可能会表现出差异。