目录
utils.make_grid
x_grid=utils.make_grid(x_grid, nrow=4, padding=2)
make_grid 函数来自torchvision的utils模块,用于图像数据可视化,将一批图像排列成一个网格。
x_grid:四维图像张量,形状为 (N, C, H, W),其中 N图像数量,C通道数,H 高度,W宽度。
nrow=4:网格中的行数为4,默认值为 8。
padding:网格中每个图像周围的填充大小,单位像素。默认值为 0。
list comprehension
y_test=[y for _,y in test_ds]
list comprehension列表推导式的基础应用,从 test_ds 数据集中提取目标(标签)。遍历 test_ds 中的每个样本,并提取了每个样本的目标值 y。test_ds作为一个数据集对象,通常包含特征和目标两种元素。如果仅对数据集中的目标值感兴趣,便可使用 _ 来忽略特征,仅提取目标值。
np.transpose
npimg_tr=np.transpose(npimg, (1,2,0))
使用 NumPy 库的 transpose 函数来改变数组的维度顺序,例如将图像的维度从(C,H,W)转换为(H,W,C)。当然,在次之前需要先将图像转换为numpy数组格式,可以通过npimg = img.numpy()实现。经常需要改变图像维度是因为许多深度学习库(如 PyTorch 和 TensorFlow)期望图像数据的维度顺序为 (C,H,W),而许多图像处理库(如 OpenCV 和 PIL)则使用 (H,W,C) 作为默认的维度顺序。