1、plt.image -> numpy -> tensor

import torch
x = torch.tensor(x)  # 将 PIL 图像转换为 PyTorch 张量

实操（使用真实数据集MNIST）：

import numpy as np
import torch
import torchvision

# 加载MNIST数据集（路径需要自己修改）
train_data = torchvision.datasets.MNIST(r'C:\Users\liusl\.torch', train=True, download=True)
test_data = torchvision.datasets.MNIST(r'C:\Users\liusl\.torch', train=False, download=True)

# 获取数据
x, _ = train_data[0]
print("x:",type(x))

# tensor→numpy
x1 = np.array(x)
print("x1:",type(x1))

# numpy→Image
x2 = torch.tensor(x1)
print("x2:",type(x2))

实操结果：

2、tensor -> plt.image

利用torchvision.transforms自带的ToPILImage()方法

# Image→tensor
x3 = ToPILImage()(x2)  # 续接上面的代码  把tensor类型的x2转为image类型x3
print("x3:",type(x3))

完整代码：

import numpy as np
import torch
import torchvision
from torchvision.transforms import ToPILImage


# 加载MNIST数据集（路径需要自己修改）
train_data = torchvision.datasets.MNIST(r'C:\Users\liusl\.torch', train=True, download=True)
test_data = torchvision.datasets.MNIST(r'C:\Users\liusl\.torch', train=False, download=True)

x, _ = train_data[0]
print("x:",type(x))

# tensor→numpy
x1 = np.array(x)
print("x1:",type(x1))

# numpy→Image
x2 = torch.tensor(x1)
print("x2:",type(x2))

# Image→tensor
x3 = ToPILImage()(x2)
print("x3:",type(x3))

完整结果：