目錄

utils.make_grid

list comprehension

np.transpose

---

utils.make_grid

x_grid=utils.make_grid(x_grid, nrow=4, padding=2)

make_grid 函數來自torchvision的utils模塊，用于圖像數據可視化，將一批圖像排列成一個網格。

x_grid：四維圖像張量，形狀為 (N, C, H, W)，其中 N圖像數量，C通道數，H 高度，W寬度。

nrow=4：網格中的行數為4，默認值為 8。

padding：網格中每個圖像周圍的填充大小，單位像素。默認值為 0。

list comprehension

y_test=[y for _,y in test_ds]

list comprehension列表推導式的基礎應用，從 test_ds 數據集中提取目標（標簽）。遍歷 test_ds 中的每個樣本，并提取了每個樣本的目標值 y。test_ds作為一個數據集對象，通常包含特征和目標兩種元素。如果僅對數據集中的目標值感興趣，便可使用 _ 來忽略特征，僅提取目標值。

np.transpose

npimg_tr=np.transpose(npimg, (1,2,0))

使用 NumPy 庫的 transpose 函數來改變數組的維度順序，例如將圖像的維度從（C,H,W）轉換為（H,W,C）。當然，在次之前需要先將圖像轉換為numpy數組格式，可以通過npimg = img.numpy()實現。經常需要改變圖像維度是因為許多深度學習庫（如 PyTorch 和 TensorFlow）期望圖像數據的維度順序為 (C,H,W)，而許多圖像處理庫（如 OpenCV 和 PIL）則使用 (H,W,C) 作為默認的維度順序。