你可以使用numpy中的挤压函数。

arr = np.ndarray((1,80,80,1))#This is your tensor
arr_ = np.squeeze(arr) # you can give axis attribute if you wanna squeeze in specific dimension
plt.imshow(arr_)
plt.show()

现在，您可以轻松地显示此图像（例如，上面的代码，假设您使用的是matplotlib.pyplot as plt）。

对于使用PyTorch的人来说，我所知道的最简单的方法是这样的：

import matplotlib.pyplot as plt

plt.imshow(my_tensor.numpy()[0], cmap='gray')

这样就行了

Torch 是在形状的通道，高度，宽度需要转换成高度，宽度，通道，所以置换。

plt.imshow(white_torch.permute(1, 2, 0))

如果你愿意也可以直接

import torch
import torchvision
from torchvision.io import read_image
import torchvision.transforms as T

!wget 'https://images.unsplash.com/photo-1553284965-83fd3e82fa5a?ixlib=rb-1.2.1&ixid=MnwxMjA3fDB8MHxleHBsb3JlLWZlZWR8NHx8fGVufDB8fHx8&w=1000&q=80'  -O white_horse.jpg

white_torch = torchvision.io.read_image('white_horse.jpg')

T.ToPILImage()(white_torch)

如果映像只有一个通道（即：白色），也可以使用plt.matshow：

image = np.random.uniform(0,1, (1,80,80,1))
image = image.reshape(80,80)
plt.matshow(image)
plt.show()

将Tensor转换为np数组，并按如下所示对其进行整形，然后将其更改为3通道图像

def tensorToImageConversion(Tensor):
    # if it doesn't work remove *255 and try it 
    Tensor = Tensor*255
    Tensor = np.array(Tensor, dtype=np.uint8)
    if np.ndim(Tensor)>3:
        assert Tensor.shape[0] == 1
        Tensor = Tensor[0]
    return PIL.Image.fromarray(Tensor)