为何torch.fft.rfft(x)比指定out参数的torch.fft.rfft(x, out=y)执行更快？

我之前也碰到过类似的疑惑，本来想着手动指定输出张量能省内存分配的时间，结果反而变慢了，后来摸清楚底层实现的细节才明白原因，主要是这几个点：

• 内存对齐拖了后腿：PyTorch的FFT依赖FFTW或者MKL这类底层库，这些库对内存地址是特定倍数（比如64字节或128字节）对齐的张量有专门的加速优化。当你让PyTorch自动创建输出时，它会直接按照底层库要求的最优对齐方式分配内存；但你手动用torch.zeros创建的y，默认的内存分配逻辑不一定满足这个对齐要求，导致底层库只能用没有优化的通用计算路径，速度自然就下来了。

• 张量布局不匹配：PyTorch在自动生成输出张量时，会根据输入x的设备、数据类型，甚至当前的计算上下文（比如CPU的线程配置、是否启用AVX2这类加速指令）来选择最适合FFT计算的张量布局。而你手动创建的y只是一个普通的全零复数张量，它的内存布局可能和FFT操作预期的最优布局不兼容，底层需要额外做内存格式转换，这部分开销反而抵消了“避免内存分配”节省的时间。

• 内存分配的开销其实可以忽略：你用的输入长度是200万，对应的输出张量大小是100万+1个complex64元素，算下来也就8MB左右的内存。现代操作系统分配这么点内存的时间非常短，几乎可以被FFT的计算时间掩盖。反而因为对齐和布局问题导致的计算速度下降，影响要大得多。

简单来说，“指定out参数更高效”的前提是你手动创建的张量完全符合底层计算的所有要求，如果没踩中这些细节，反而会适得其反。

备注：内容来源于stack exchange，提问作者Mistergrave