示例代码：

plt.imshow(np.transpose(tensor_denorm.numpy(), (1, 2, 0)))

它的作用是：把一个 PyTorch 的图像张量转换成 NumPy 格式，并按照正确的维度顺序显示出来。

---

🚀 一步步解释：

✅ tensor_denorm

这是一个形状为 (3, H, W) 的 PyTorch Tensor，表示一个图像：

• 3：表示三个颜色通道（RGB）
• H：图像高度
• W：图像宽度

PyTorch 中的图像张量格式是 (C, H, W)

---

✅ .numpy()

这一步把 PyTorch Tensor 转换成 NumPy 数组（前提是 Tensor 在 CPU 上）：

tensor_denorm.numpy()

得到一个 NumPy 数组，形状依然是 (3, H, W)

---

✅ np.transpose(..., (1, 2, 0))

NumPy 默认显示图像的格式是 (H, W, C)，也就是：

• 高度（H）
• 宽度（W）
• 通道（C）

所以要把 (3, H, W) 转换成 (H, W, 3)，需要换维度顺序：

np.transpose(tensor_denorm.numpy(), (1, 2, 0))

---

✅ plt.imshow(...)

这是 matplotlib.pyplot 的图像显示函数。它接收一个 (H, W, 3) 的数组并显示出来：

plt.imshow(...)

---

📌 举个例子：

假设我们有这个张量：

tensor = torch.rand(3, 150, 150)  # 随机图像，3通道 150x150

执行这一步：

plt.imshow(np.transpose(tensor.numpy(), (1, 2, 0)))

就能把这个随机图像展示出来了。

---

✅ 总结一句话：

plt.imshow(np.transpose(tensor.numpy(), (1, 2, 0)))

等价于：

“把 PyTorch 中格式为 (C, H, W) 的图像转成 (H, W, C) 并显示出来”