Einführung in die Funktion matplotlib.pyplot.imshow()
plt.imshow(
X,
cmap=None,
norm=None,
aspect=None,
interpolation=None,
alpha=None,
vmin=None,
vmax=None,
origin=None,
extent=None,
shape=None,
filternorm=1,
filterrad=4.0,
imlim=None,
resample=None,
url=None,
data=None,
**kwargs,
)
Parameter:
Xarray-ähnliches oder PIL-Bild
Die Bilddaten. Unterstützte Array-Formen sind:
(M, N): ein Bild mit Skalardaten. Die Werte werden mithilfe der Normalisierung und einer Farbkarte auf Farben abgebildet. Siehe Parameter norm, cmap, vmin, vmax.
(M, N, 3): ein Bild mit RGB-Werten (0-1 Float oder 0-255 Int).
(M, N, 4): ein Bild mit RGBA-Werten (0-1 float oder 0-255 int), also inklusive Transparenz.
Die ersten beiden Dimensionen (M, N) definieren die Zeilen und Spalten des Bildes.
RGB(A)-Werte, die außerhalb des Bereichs liegen, werden abgeschnitten.
X:
Bilddaten. Unterstützte Array-Formen sind:
(M, N): Bild mit Skalardaten. Die Datenvisualisierung verwendet Farbkarten.
(M, N, 3): Bild mit RGB-Werten (float oder uint8).
(M, N, 4): Bild (float oder uint8) mit RGBA-Werten, also inklusive Transparenz.
Die ersten beiden Dimensionen (M, N) definieren die Zeilen- und Spaltenbilder, also die Höhe und Breite des Bildes;
Bei der Deep-Learning-Visualisierung ist es häufig erforderlich, N×C×H×W-Daten zu visualisieren, und die Eingabe von imshow kann nur (n, m) oder (n, m, 3) oder (n, m, 4) sein. Es müssen also N×C×H×W-Daten konvertiert werden, andernfalls tritt ein Fehler auf.
x是一个N×C×H×W的数据,将其用plt显示的代码如下
plt.imshow( (torch.cat([i for i in x], dim=-1)).permute(1, 2, 0) )
plt.show()
matplotlib.pyplot als plt importieren
plt.imshow(image) # Datenverarbeitung für das Bild durchführen image
plt.show() # Das Bild anzeigen