导入图片扩增到显示扩增后的图片

要将图片导入并应用扩增方法后显示扩增后的图片，可以使用PyTorch的torchvision库。以下是一个示例代码：

import torchvision.transforms as transforms
import torchvision.datasets as datasets
import matplotlib.pyplot as plt

# 定义变换管道
transform = transforms.Compose([
    transforms.RandomHorizontalFlip(),
    transforms.RandomCrop(32, padding=4),
    transforms.ToTensor(),  # 转换为Tensor格式
])

# 加载数据集并应用变换
train_dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)

# 获取一张扩增后的图片
augmented_image = train_dataset[0][0]

# 将Tensor格式转为NumPy数组，并将通道维度放在最后（C, H, W -> H, W, C）
augmented_image = augmented_image.permute(1, 2, 0).numpy()

# 显示扩增后的图片
plt.imshow(augmented_image)
plt.axis('off')  # 关闭坐标轴
plt.show()

在这个示例中，我们首先定义了一个变换管道，包括随机水平翻转、随机裁剪和转换为Tensor格式。然后，我们加载了CIFAR10数据集，并应用了这个变换管道。

接下来，我们从扩增后的数据集中获取了第一张图片，并将其转换为NumPy数组。注意，我们使用`.permute(1, 2, 0)`将通道维度放在最后，以适配matplotlib库对于通道顺序的要求。

最后，我们使用`plt.imshow`方法将扩增后的图片显示出来。同样，你可以根据自己的需求定义自己的变换管道，并使用matplotlib库来显示扩增后的图片。