数据集相关类代码回顾理解 | utils.make_grid\list comprehension\np.transpose

目录

utils.make_grid

list comprehension

np.transpose

---

utils.make_grid

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

make_grid 函数来自torchvision的utils模块，用于图像数据可视化，将一批图像排列成一个网格。

x_grid：四维图像张量，形状为 (N, C, H, W)，其中 N图像数量，C通道数，H 高度，W宽度。

nrow=4：网格中的行数为4，默认值为 8。

padding：网格中每个图像周围的填充大小，单位像素。默认值为 0。

list comprehension

y_test=[y for _,y in test_ds]

list comprehension列表推导式的基础应用，从 test_ds 数据集中提取目标（标签）。遍历 test_ds 中的每个样本，并提取了每个样本的目标值 y。test_ds作为一个数据集对象，通常包含特征和目标两种元素。如果仅对数据集中的目标值感兴趣，便可使用 _ 来忽略特征，仅提取目标值。

np.transpose

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

使用 NumPy 库的 transpose 函数来改变数组的维度顺序，例如将图像的维度从（C,H,W）转换为（H,W,C）。当然，在次之前需要先将图像转换为numpy数组格式，可以通过npimg = img.numpy()实现。经常需要改变图像维度是因为许多深度学习库（如 PyTorch 和 TensorFlow）期望图像数据的维度顺序为 (C,H,W)，而许多图像处理库（如 OpenCV 和 PIL）则使用 (H,W,C) 作为默认的维度顺序。