如何在PyTorch中显示单个图像？

Question

我想显示一个图像。它使用a加载ImageLoader并存储在PyTorch中Tensor。

当我尝试通过显示它时plt.imshow(image)，我得到：

TypeError: Invalid dimensions for image data

该.shape张量是：

torch.Size([3, 244, 244])

如何显示此PyTorch张量中包含的图像？

Answer 1

给定一个Tensor代表图像的图像，请使用.permute()：

plt.imshow(  tensor_image.permute(1, 2, 0)  )

注意：permute不会复制或分配内存，也不会。 from_numpy()

Answer 2

处理图像数据的 PyTorch 模块需要格式为C \xc3\x97 H \xc3\x97 W的张量。¹
\n而 PILLow 和 Matplotlib 期望图像数组的格式为H \xc3\x97 W \xc3\x97 C。²

\n

您可以使用 TorchVision 变换轻松地将张量与此格式相互转换：

\n

from torchvision.transforms import functional as F\n\nF.to_pil_image(image_tensor)\n

\n

或者直接排列轴：

\n

image_tensor.permute(1,2,0)\n

\n\n \n

\n
1. \n

   \n

   处理图像数据的 PyTorch 模块需要将张量布局为C \xc3\x97 H \xc3\x97 W：分别是通道、高度和宽度。

   \n

   \n
\n
2. \n

   \n

   请注意我们如何将permute轴的顺序从C \xc3\x97 H \xc3\x97 W更改为H \xc3\x97 W \xc3\x97 C以匹配 Matplotlib 的期望。

   \n

   \n
   • 使用 PyTorch 进行深度学习
   \n

   \n

   \n
\n

\n \n

Answer 3

如您所见，matplotlib即使不转换为numpy数组也可以正常工作。但是PyTorch张量（“图像张量”）是第一个通道，因此要与它们一起使用，matplotlib您需要对其进行重塑：

码：

from scipy.misc import face
import matplotlib.pyplot as plt
import torch

np_image = face()
print(type(np_image), np_image.shape)
tensor_image = torch.from_numpy(np_image)
print(type(tensor_image), tensor_image.shape)
# reshape to channel first:
tensor_image = tensor_image.view(tensor_image.shape[2], tensor_image.shape[0], tensor_image.shape[1])
print(type(tensor_image), tensor_image.shape)

# If you try to plot image with shape (C, H, W)
# You will get TypeError:
# plt.imshow(tensor_image)

# So we need to reshape it to (H, W, C):
tensor_image = tensor_image.view(tensor_image.shape[1], tensor_image.shape[2], tensor_image.shape[0])
print(type(tensor_image), tensor_image.shape)

plt.imshow(tensor_image)
plt.show()

输出：

<class 'numpy.ndarray'> (768, 1024, 3)
<class 'torch.Tensor'> torch.Size([768, 1024, 3])
<class 'torch.Tensor'> torch.Size([3, 768, 1024])
<class 'torch.Tensor'> torch.Size([768, 1024, 3])

Answer 4

鉴于图像按描述加载并存储在变量中image：

plt.imshow(transforms.ToPILImage()(image), interpolation="bicubic")
#transforms.ToPILImage()(image).show() # Alternatively

或者像Soumith 建议的那样：

def show(img):
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)), interpolation='nearest')