使用MNIST数据集时Matplotlib无法显示训练集图像问题

可能的原因及对应修复 #

1. 未指定灰度颜色映射 #

MNIST是灰度图，plt.imshow默认使用彩色映射，可能导致图像显示异常（比如看似空白）。给imshow加上cmap='gray'参数即可正确显示：

plt.imshow(data[0][0].view(28,28), cmap='gray')
plt.show()

2. Tensor与Matplotlib的兼容性问题 #

部分环境下直接传入PyTorch Tensor会有显示问题，转成NumPy数组更稳妥：

plt.imshow(data[0][0].view(28,28).numpy(), cmap='gray')
plt.show()

3. Matplotlib后端不支持GUI显示 #

如果是在无GUI环境（比如远程服务器、Docker容器）运行，默认后端无法弹出窗口，有两种解决方式：

• 临时切换到交互式后端（需确保环境支持）：

import matplotlib
matplotlib.use('TkAgg') # 或Qt5Agg等可用后端

• 直接保存图像到本地文件：

plt.imshow(data[0][0].view(28,28), cmap='gray')
plt.savefig('mnist_sample.png')

4. Jupyter环境需开启内嵌显示 #

如果用Jupyter Notebook，要先加魔法命令让图像内嵌显示：

%matplotlib inline
import matplotlib.pyplot as plt

修复后的完整代码 #

import torch
import torchvision
import matplotlib.pyplot as plt
from torchvision import transforms, datasets

train = datasets.MNIST("", train=True, download=True,
                       transform=transforms.Compose([transforms.ToTensor()]))

test = datasets.MNIST("", train=False, download=True,
                       transform=transforms.Compose([transforms.ToTensor()]))

trainset = torch.utils.data.DataLoader(train, batch_size=10, shuffle=True)
testset = torch.utils.data.DataLoader(test, batch_size=10, shuffle=True)

for data in trainset:
    print(data)
    break

x, y = data[0][0], data[1][0]
print(y)

# 正确显示灰度图像，添加标签标题更直观
plt.imshow(x.view(28, 28), cmap='gray')
plt.title(f"Label: {y}")
plt.show()

内容的提问来源于stack exchange，提问作者pypro1679