关于np.transpose()的理解

网上关于np.transpose()的函数解释有很多，但没找到有对实际意义的解释。
我的理解是:在pytorch中张量tensor对图象的存储是(b,c,w,h)分别表示(图片数量，通道数，图片高，图片宽)。

单独说tensor中的某张图片，也就是(管道数，宽，高)。而标准的rbg图象是(宽，高，管道数)。

所以在pytorch中为了显示图象 需要通过np.transpose()对图象进行处理，例子:

在这里贴一段有关处理CIFAR10数据集的代码片，大家只需要关注输出时np.transpose()前后shape的对比就好。

import matplotlib.pyplot as plt
import numpy as np

# 输出图像的函数
def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    print("未转置，",npimg.shape)
    print("转置后，",np.transpose(npimg, (1, 2, 0)).shape)
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

    print(npimg[1])
# 随机获取训练图片
dataiter = iter(trainloader)
images, labels = dataiter.next()

# 显示图片
imshow(torchvision.utils.make_grid(images))
# 打印图片标签
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

结果：

如有错误，恳请指正！