当使用 scipy_fftpack 的直接 fft 替换时，智慧是否存储在全球范围内？
When using the drop-in fft replacements for scipy_fftpack, is the wisdom stored globally?
当使用 FFTW 中的下降替换 scipy_fftpack 时，它是否会为每个 FFT 大小计算一次智慧，然后再也不会计算智慧？
我有一个重复调用的循环
freqImg = np.fft.fftshift(pyfftw.interfaces.scipy_fftpack.fft2(slc, threads=1, planner_effort='FFTW_PATIENT'))
由于我无法深入的原因，我无法批量进行 FFT。但是，智慧是在循环的每次迭代中重新计算，还是规划器缓存智慧并在循环的每次迭代中使用它？
是的，先前计算的智慧用于循环的后续迭代，但一旦过程结束就会被遗忘（除非明确存储和重新加载）。 interfaces API 还可以缓存 FFTW 对象并在可能和需要的情况下重用它。我建议为此寻找 docs。
当使用 FFTW 中的下降替换 scipy_fftpack 时，它是否会为每个 FFT 大小计算一次智慧，然后再也不会计算智慧？
我有一个重复调用的循环
freqImg = np.fft.fftshift(pyfftw.interfaces.scipy_fftpack.fft2(slc, threads=1, planner_effort='FFTW_PATIENT'))
由于我无法深入的原因，我无法批量进行 FFT。但是，智慧是在循环的每次迭代中重新计算，还是规划器缓存智慧并在循环的每次迭代中使用它？
是的，先前计算的智慧用于循环的后续迭代，但一旦过程结束就会被遗忘（除非明确存储和重新加载）。 interfaces API 还可以缓存 FFTW 对象并在可能和需要的情况下重用它。我建议为此寻找 docs。