pytorch如何显示数据图像，以及标签。TypeError: img should be PIL Image. Got ＜class ‘numpy.ndarray‘＞

首先，神经网络里经常用到的格式一般为三种PIL，Numpy，Tensor，而Tensor是基本的数据类型，在显示Tensor类型的图像时要转换为另外两种类型，而dataset输入格式一般要求为PIL类型（因为我用要使用resize等函数，要求变量为PIL）。所以在显示图像的时候就需要先把自己的数据转换为PIL，在转换为Tensor，特别是用GPU训练时候，要注意关于使用 GPU 有一个点，在我们想把 GPU tensor 转换成 Numpy 变量的时候，需要先将 tensor 转换到 CPU 中去，因为 Numpy 是 CPU-only 的。

所以网上的一些例子不一定完全符合自己的课题，所以要用GPU的话，就直接在GPU上调试会比较方便，会省去很多麻烦。

 

#导入你需要的库
import torch
import torchvision
import torchvision.transforms as transforms
import matplotlib.pyplot as plt
import numpy as np
#将图像转换为Tensor

transform1=transforms.Compose([
    transforms.ToPILImage(),#不转换为PIL会报错
    transforms.Resize(256),
    transforms.Ra ndomResizedCrop(224),
    transforms.ToTensor(),
    transforms.Normalize([0.5，0.5，0.5],[0.5，0.5，0.5])])

train_set=#自己定义的dataset
#dataloader载入自己的dataset
train_loader=DataLoader(dataset=train_set,batch_size=batch_size,shuffle=True)

def imshow(img):
    img = img / 2 + 0.5     # 去标准化
    npimg = img.numpy()  #转换为numpy格式（在CPU上）
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()
#Pytorch中使用的数据格式与plt.imshow()函数的格式不一致Pytorch中为[Channels, H, W]而#plt.imshow()中则是[H, W, Channels]



# 随机选取图像
dataiter = iter(trainloader)
images, labels = dataiter.next()
imshow(torchvision.utils.make_grid(images))
# 标签输出
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

TypeError: img should be PIL Image. Got
 当我们在使用
 transforms.RandomHorizontalFlip(p=0.5),
 transforms.RandomVerticalFlip(p=0.5),
 transforms.Resize((224,224)) 等函数的时候，这时候会报错：

 

TypeError: img should be PIL Image. Got

所以我们要在转换中先转换为PIL格式。

transforms.ToPILImage()