<code>
import torch                              # 导入 PyTorch 库，用于张量操作
import torch.nn.functional as F           # 导入 PyTorch 的函数式 API，包含各种神经网络函数
import numpy as np                        # 导入 NumPy 库，用于数值计算
import matplotlib as mpl                  # 导入 Matplotlib 库的主模块
import matplotlib.pyplot as plt           # 导入 Matplotlib 的绘图模块，用于显示图像
import imageio.v2 as imageio                            # 导入 imageio 库，用于读取图片文件

mpl.rcParams['figure.figsize'] = (12, 8)  # 设置 Matplotlib 图表默认尺寸为 12x8 英寸

img = torch.FloatTensor(imageio.imread('imgs/hills_2.png')/255)  # 读取图片，像素值归一化到[0,1]，转为 PyTorch 浮点张量
print(type(img))
plt.imshow(img)                           # 使用 Matplotlib 显示图片
plt.show()
</code>

将上述文件保存为1.py,执行后将hills_2.png显示出来。

{{.:pasted:20260311-135159.png?720}}

RGB一共有三个通道
 
R：Red（红色）

G：Green（绿色）

B：Blue（蓝色）

其取值范围为[0,255]

例如：

黑色：(0,0,0)

白色：(255,255,255)

红色：(255,0,0)

蓝色：(0,0,255)

如果图像尺寸是 𝐻×𝑊

常见 tensor 形状：

PyTorch：(3,𝐻,𝑊)

TensorFlow：(𝐻,𝑊,3)

为了让数据和高斯噪声处在同一个零中心对称空间里，要对像素值进行线性变换。