data = np.loadtxt('D:\Graduate-student_learn\Study-two_learn\project/1deepmodal_paper\datebase\data/train-test/test-five\抽样/4.csv', delimiter=',') images = data.reshape(-1, 11, 11) import matplotlib.pyplot as plt for i, image in enumerate(images): img = Image.fromarray(image.astype(np.uint8), mode='L') img.save('./U2R1/u2r_{}.png'.format(i))加入图像归一化代码

好的，你可以在代码中加入以下图像归一化代码：

import pandas as pd
import numpy as np
import torch
from torchvision import transforms
from PIL import Image

# 读取 CSV 文件
data = np.loadtxt('D:\Graduate-student_learn\Study-two_learn\project/1deepmodal_paper\datebase\data/train-test/test-five\抽样/4.csv', delimiter=',')

# 将每行数据转化为 Numpy 数组
data_array = data.reshape(-1, 11, 11)

# 归一化处理
data_normalized = data_array / np.max(data_array)

# 将 Numpy 数组转化为 PyTorch Tensor
data_tensor = torch.from_numpy(data_normalized)

# 定义 transforms，将 Tensor 转化为图像
transform = transforms.Compose([
    transforms.ToPILImage(),
    transforms.Resize((1111, 1)),
    transforms.ToTensor()
])

# 转化为图像并保存
for i, image in enumerate(data_tensor):
    img = transform(image)
    img.save('./U2R1/u2r_{}.png'.format(i))

这段代码中，我们首先使用 NumPy 库的 `loadtxt` 函数读取 CSV 文件，并将每行数据转化为 Numpy 数组。接着，我们对数组进行归一化处理，使其范围在 [0, 1] 之间。然后，我们将 Numpy 数组转化为 PyTorch Tensor，并定义了一个 transforms，使其能够将 Tensor 转化为图像。最后，我们使用这个 transforms 将 Tensor 转化为图像，并保存为 PNG 格式的图像文件。