为什么torch.nn.Upsample返回乱码图像？是否是使用方式错误？

• 核心错误是误用reshape执行维度位置切换：读入的图像shape为(H, W, C)（高度、宽度、通道数），reshape仅会按内存存储顺序重组张量，不会调整维度的逻辑顺序，直接执行reshape(4, 200, 390)会彻底打乱原图像的像素与通道对应关系，错误在进入上采样操作前就已经产生。
• 上采样完成后再次使用reshape将(C, H, W)格式的张量转回(H, W, C)，会二次破坏像素结构。
• 数值类型适配问题：nn.Upsample默认输出为浮点类型，matplotlib显示浮点图像要求数值范围为[0, 1]，直接输入范围为[0, 255]的浮点张量会出现颜色显示异常。

import torch
import imageio
import torch.nn as nn
from matplotlib import pyplot as plt

small = imageio.imread('small.png')                               # shape (200, 390, 4)
# 用transpose置换维度到(C, H, W)格式
small_reshaped = small.transpose(2, 0, 1)                         # shape (4, 200, 390)
batch = torch.as_tensor(small_reshaped).unsqueeze(0)              # shape (1, 4, 200, 390)
# 可自行指定上采样模式，如mode='bilinear'获得更平滑的效果
ups = nn.Upsample((500, 970))
upsampled_batch = ups(batch)                                      # shape (1, 4, 500, 970)
# 用permute置换维度回(H, W, C)，转uint8适配matplotlib显示
upsampled_small = upsampled_batch[0].permute(1, 2, 0).to(torch.uint8).numpy()  # shape (500, 970, 4)

plt.subplot(1,2,1)
plt.imshow(small)
plt.title("输入图像")
plt.subplot(1,2,2)
plt.imshow(upsampled_small)
plt.title("上采样后图像")
plt.show()

内容的提问来源于stack exchange，提问作者c0mr4t