为什么tensor图片的维度和matplotlib显示的不一样

Tensor中的图片数据通常是以 Numpy 数组的形式存在的，而 Numpy 数组的维度顺序是 (height, width, channels)，即高度、宽度和通道数。而 Matplotlib 中显示图片的方式是以 (width, height, channels) 的顺序来显示的，因此需要将 Numpy 数组的维度进行转换。

具体地，可以使用 Numpy 的 transpose() 函数将图片数据的维度进行转换，然后再使用 Matplotlib 的 imshow() 函数进行显示。以下是一个示例代码：

import numpy as np
import matplotlib.pyplot as plt
import torch

# 加载图片数据
img = plt.imread('test.jpg')

# 将图片数据转换为 Tensor 格式
img_tensor = torch.from_numpy(img)

# 将 Tensor 格式的图片数据转换为 Matplotlib 显示格式
img_display = img_tensor.permute(1, 2, 0)

# 显示图片
plt.imshow(img_display)
plt.show()

在这个示例代码中，我们首先使用 Matplotlib 的 imread() 函数加载图片数据，然后将其转换为 Tensor 格式。接着，使用 Tensor 的 permute() 函数将图片数据的维度从 (height, width, channels) 转换为 (width, height, channels) 的格式，最后使用 Matplotlib 的 imshow() 函数显示图片。