把一个 PyTorch 的图像张量转换成 NumPy 格式，并按照正确的维度顺序显示出来
示例代码：
plt.imshow(np.transpose(tensor_denorm.numpy(), (1, 2, 0)))
它的作用是：把一个 PyTorch 的图像张量转换成 NumPy 格式，并按照正确的维度顺序显示出来。
一步步解释：
✅ tensor_denorm
这是一个形状为 (3, H, W) 的 PyTorch Tensor，表示一个图像：
- 3：表示三个颜色通道（RGB）
- H：图像高度
- W：图像宽度
PyTorch 中的图像张量格式是 (C, H, W)
✅ .numpy()
这一步把 PyTorch Tensor 转换成 NumPy 数组（前提是 Tensor 在 CPU 上）：
tensor_denorm.numpy()
得到一个 NumPy 数组，形状依然是 (3, H, W)
✅ np.transpose(..., (1, 2, 0))
NumPy 默认显示图像的格式是 (H, W, C)，也就是：
- 高度（H）
- 宽度（W）
- 通道（C）
所以要把 (3, H, W) 转换成 (H, W, 3)，需要换维度顺序：
np.transpose(tensor_denorm.numpy(), (1, 2, 0))
✅ plt.imshow(...)
这是 matplotlib.pyplot 的图像显示函数。它接收一个 (H, W, 3) 的数组并显示出来：
plt.imshow(...)
举个例子：
假设我们有这个张量：
tensor = torch.rand(3, 150, 150) # 随机图像，3通道 150x150
执行这一步：
plt.imshow(np.transpose(tensor.numpy(), (1, 2, 0)))
就能把这个随机图像展示出来了。
✅ 总结一句话：
plt.imshow(np.transpose(tensor.numpy(), (1, 2, 0)))
等价于：
“把 PyTorch 中格式为
(C, H, W)的图像转成(H, W, C)并显示出来”