Python 使用pytorch Dataloader加载并正确显示图像数据集

我试图加载一个自定义数据集来训练神经网络，但在加载它们之前，我想验证它们是否已正确加载。到目前为止，它们似乎没有被正确加载，但我不知道是什么赋予了这些图像所获得的格式

这是我加载图像并显示它们的代码

f, axarr = plt.subplots(2,2, figsize=(20,20))

def load_dataset():
    data_path = 'processedData/HE/train/'
    train_dataset = torchvision.datasets.ImageFolder(
        root=data_path,
        transform=torchvision.transforms.ToTensor()
    )
    train_loader = DataLoader(
        train_dataset, batch_size=64
    )
    return train_loader
x_train = load_dataset()

datathing = next(iter(x_train))

for i, ax in enumerate(axarr.flat):
    ax.imshow(datathing[0][i].view(128,128,3))
    ax.axis('off')
plt.show()

使用图像运行此操作时，输出

它看起来像什么东西

我一直在尝试使用不同的图像数据集，但所有数据集都返回相同的格式，因此我的问题是：

• 如何加载图像，然后使用pytorch的dataloader以真实格式显示它们
视图（128、128、3）把图像弄乱了
正如您在转换文档中所看到的：
[……]
将[0255]范围内的PIL图像或numpy.ndarray（H x W x C）转换为[0.0,1.0]范围内形状（C x H x W）的torch.FLOAT张量
[……]
也就是说，通道维度将从最后一个维度移动到第一个维度。您可以在以下列表中看到：

#。。。
img=torch.from_numpy（图转置（（2,0,1）））
# ...

因此，您不能简单地调用

.view（…）

；你必须把它调回原处。在PyTorch中，您可以使用

.permute（…）

函数进行此操作。大概是这样的：

ax.imshow（datathing[0][i].permute（1,2,0））