如何显示自编码器生成的重构图像？

嗨，你的问题其实很常见，就是图像维度的小细节没处理好！你训练好的自编码器其实已经输出了正确的重构图像，但plt.imshow()不买账的原因是：预测结果多了一个通道维度。

你的predictions[i]形状是(32, 32, 1)（因为训练前给图像加了通道维度适配CNN输入要求），但plt.imshow()默认需要的是2D数组（比如(32,32)），多余的单通道维度会导致显示异常。

下面给你两种解决方案，还附带更实用的对比显示技巧：

方案1：修复单张重构图像的显示 #

只需要在显示时去掉最后一个通道维度就行，用np.squeeze()压缩冗余维度，或者直接索引[:,:,0]：

for i in range(10):
    plt.figure(figsize=(4, 4))
    # 用squeeze去掉通道维度，或者换成predictions[i][:,:,0]
    plt.imshow(np.squeeze(predictions[i]), cmap="gray_r")
    plt.title(f"重构图像 {i+1}")
    plt.axis('off')  # 关闭坐标轴让图像更整洁
    plt.show()

方案2：对比显示原始图像和重构图像（更推荐） #

这样你能直接直观地看到自编码器的重构效果，比单独看重构图像有用多了：

# 选取前10组测试样本和对应的重构结果
num_samples = 10
original_imgs = x_test[:num_samples]
reconstructed_imgs = predictions[:num_samples]

# 创建画布，设置合适的尺寸
plt.figure(figsize=(20, 4))
for i in range(num_samples):
    # 绘制原始图像
    ax = plt.subplot(2, num_samples, i + 1)
    plt.imshow(np.squeeze(original_imgs[i]), cmap="gray_r")
    plt.title("原始图像")
    plt.axis('off')
    
    # 绘制重构图像
    ax = plt.subplot(2, num_samples, i + 1 + num_samples)
    plt.imshow(np.squeeze(reconstructed_imgs[i]), cmap="gray_r")
    plt.title("重构图像")
    plt.axis('off')

# 自动调整子图间距
plt.tight_layout()
plt.show()

补充说明 #

你之前的代码里用了figsize=(20,3)，这个比例太扁了，换成正方形的画布更适合显示MNIST这类方形图像。另外，关闭坐标轴可以让图像的展示更聚焦，不会被坐标轴分散注意力。

备注：内容来源于stack exchange，提问作者Steven Dascoli