1. 从“看结果”这个真实需求说起：为什么要拼接图像
做深度学习训练，尤其是图像分类这类任务，常规操作里有一件特别琐碎但又绕不开的事：模型训练完之后，得把输入图像和模型预测的结果摆在一起，人眼直接看一遍。如果只打印一个准确率数字，你根本不知道模型到底错在了哪里——它是不是把“T恤”误认成了“衬衫”？把“靴子”判断成了“短靴”？这时候你需要的不是文字描述，而是一张把多张图像拼起来的大图，一眼扫过去就能对比。
标题里以FashionMNIST为例，是很聪明的选择。这个数据集是灰度图，尺寸小（28x28），类别多（10类），又不像MNIST手写数字那么单调，拼出来能直观看到每张图的纹理差异。更重要的是，FashionMNIST在PyTorch生态里几乎是“开箱即用”的，torchvision里自带下载和预处理接口，不需要自己写Dataset和Dataloader，非常适合把注意力完全放在“图像拼接”这件事本身。
这篇文章面向的读者大概是两类：一类是刚接触PyTorch没多久，想学会怎么把训练结果可视化，却卡在了subplot和subplots这两个API上的初学者；另一类是有一定基础，但每次都是临时百度“matplotlib 拼接图片代码”，用完就忘，没搞懂subplot和subplots到底差在哪的“调包侠”。我尽量把两条线都讲透——既讲清楚API层面的区别，也把实际拼接图片时的完整代码、数据转换、显示大小、保存设置这些细节全部覆盖到。
2. 数据准备：Pytorch加载FashionMNIST时最容易忽略的三个细节
拼接图片的第一步不是调用matplotlib，而是保证从PyTorch拿到的数据能顺利变成matplotlib能显示的格式。这一步看似简单，实际上有三个坑很容易踩。
2.1 transform参数决定数据格式，中文文档常把这一步讲得太轻描淡写
加载FashionMNIST的标准写法是：
import torch from torchvision import datasets, transforms train_data = datasets.FashionMNIST( root="./data", train=True, download=True, transform=transforms.ToTensor() )ToTensor()这个transform做了两件事：把PIL图像从形状(H, W)变成(C, H, W)，也就是(1, 28, 28)，同时把像素值从0-255的整数缩放到0-1的浮点数。这两件事如果不做，后面直接拿原始PIL图像数据来喂matplotlib，显示出来的结果会非常奇怪。
初学者最容易在这里犯的错是：下载完数据后直接data[0][0]取出来就往plt.imshow()里塞，结果发现要么报维度错误，要么显示出一片乱七八糟的颜色。原因是train_data[0]返回的是元组(tensor, label)，而train_data[0][0]是形状为(1, 28, 28)的三维tensor，matplotlib的imshow接收不了这种带通道维的灰度图。
2.2 CHW到HWC转换：单通道图像用squeeze，三通道必须用permute
PyTorch的tensor格式是(C, H, W)，而matplotlib的imshow函数默认接收(H, W)或者(H, W, C)格式。对FashionMNIST这种单通道灰度图，最直接的转换是：
img_tensor = train_data[0][0] # shape: (1, 28, 28) img_np = img_tensor.squeeze().numpy() # shape: (28, 28)squeeze()会把维度为1的通道维压缩掉，从(1, 28, 28)变成(28, 28)，然后.numpy()把tensor转成numpy数组。这个顺序不能反过来——先numpy()再squeeze()也行，但很多人会随手写img_tensor.numpy().squeeze()，效果一样，就是绕了一点。
如果你用的是CIFAR-10这类三通道彩色图，就不能squeeze了，得用permute(1, 2, 0)把(C, H, W)调成(H, W, C)：
img_np = img_tensor.permute(1, 2, 0).numpy()这一步想明白了，不管是灰度图还是彩色图，拼接图像时都不会卡在数据格式上。
2.3 显示“全黑”或颜色怪异，十有八九是vmin/vmax的问题
还有一个很容易被忽略的细节：ToTensor()把像素归一化到0-1范围后，如果训练时又做了额外归一化（比如均值0.5、方差0.5），图像数据里就会出现负值。直接把负值扔给imshow()，默认的vmin和vmax会按数据的最小值和最大值自动推断，结果往往是整张图灰灰暗暗、对比度极差。更常见的情况是很多人在自己的预处理pipeline里写了transforms.Normalize((0.5,), (0.5,))，后面可视化时忘了这个步骤，然后对着全黑的图发呆。
这不是变换写错了，而是显示时没有恢复像素范围。最简单的处理是：
# 如果数据经过Normalize，显示前先反归一化 img_np = img_np * 0.5 + 0.5 # 或者直接强制设定显示范围 plt.imshow(img_np, cmap="gray", vmin=0, vmax=1)我用vmin/vmax这个参数的频率非常高，尤其是在失手用错数据时，它能救回来很多“看起来全黑”的情况。后面拼接统一输出时，建议在imshow里显式写上vmin=0, vmax=1，这样无论数据来源是什么，显示效果都稳定。
3. subplot 和 subplots：同一个目的的两种姿势，到底差在哪
这是整篇文章的核心问题。网上的教程经常把subplot和subplots混着用，搞得人很懵：明明都能拼图，为什么要有两套API？两者到底该选哪个？
3.1 API设计理念：一个是“逐个子图创建”，一个是“一次性布局网格”
plt.subplot(nrows, ncols, index)是matplotlib早期pyplot接口的风格，它的工作方式是“创建一个子图，然后把这个子图设为当前axes”。每次调用只创建并激活一个子图，如果你想创建2行3列共6个子图，你得调用6次：
plt.figure(figsize=(12, 4)) plt.subplot(2, 3, 1) plt.imshow(...) plt.subplot(2, 3, 2) plt.imshow(...) # 依次类推... plt.subplot(2, 3, 6) plt.imshow(...)每一个调用的第三个参数index表示位置，从左上角开始，从左到右、从上到下编号。这种接口最大的问题是：每个子图的绘制代码都独立出现，相互之间没有数据结构上的关联，想批量操作所有子图（比如统一关闭坐标轴）只能手动循环索引。
而plt.subplots(nrows, ncols)是面向对象接口的推荐入口。它一次性创建整个子图网格，同时返回两个对象：fig（整个画布）和axes（子图数组）。用numpy的索引方式访问每个子图：
fig, axes = plt.subplots(2, 3, figsize=(12, 4)) # axes是一个shape为(2, 3)的numpy数组 axes[0][0].imshow(...) axes[0][1].imshow(...)批量操作时优势特别明显：
for ax in axes.flat: ax.axis("off")axes.flat是把二维数组拍平成一维迭代器，一行代码就能处理所有子图。这和subplot那种“一个一个写”的方式比，代码量和可维护性都不是一个量级。
3.2 返回值差异导致代码风格分岔：单个Axes vs Axes数组
这是两者最本质的区别。subplot返回的是单个Axes对象，subplots返回的是Axes对象的数组（numpy.ndarray）。
这个差异在“只创建一个画布一个子图”时体现得不够明显，一旦子图数量变多，处理方式就完全不同了。用subplot时，如果你想把6张图存到一个列表里统一设置，你得手动维护列表：
ax_list = [] ax_list.append(plt.subplot(2, 3, 1)) ax_list.append(plt.subplot(2, 3, 2)) # ...用subplots则天生就是数组结构：
fig, axes = plt.subplots(2, 3) for ax in axes.flat: ax.set_title("demo")还有一个我经常用到的情况：当子图数量不是严格矩形，比如第一行1个、第二行2个时，subplots的“规整网格”反而不够灵活，subplot可以逐个指定位置，甚至可以用span跨行跨列。但这种场景在“拼接若干张图像”这种需求里很少出现——拼图基本都是规整的矩形网格，所以subplots的使用频率远高于subplot。
3.3 实际选型建议：拼接图片用subplots，理解原理再回头看看subplot
如果你只是想把一批图像摆成网格，我的建议是无脑用plt.subplots。原因有三个：第一，批量操作方便，axes.flat循环直接覆盖所有子图；第二，返回的fig对象可以直接配合fig.tight_layout()等布局控制方法，不需要额外获取“当前figure”；第三，subplots支持更多参数，比如squeeze=False强制保持二维数组形状，或者sharex=True共享坐标轴刻度，这些在subplot里都得绕路实现。
但我不建议完全忽略subplot。它背后其实隐藏了matplotlib的坐标轴机制——每次subplot被调用，都会在figure上新建一个axes区域。理解了这个机制，你就能明白为什么subplot可以“一个接一个”地创建不同大小的子图，也能理解subplots的gridspec参数是怎么回事。简单说：subplot是更底层的逐个操作，subplots是对常见需求的批量封装。
| 对比维度 | plt.subplot | plt.subplots |
|---|---|---|
| 创建方式 | 每次调用创建一个子图 | 一次创建整个网格 |
| 返回值 | 单个Axes对象 | (fig, axes数组) |
| 批量操作 | 需要手动维护索引 | axes.flat直接遍历 |
| 灵活布局 | 相对灵活，可跨行跨列 | 适合规整矩形布局 |
| 推荐场景 | 布局特殊、逐图处理 | 图像拼接、规整网格展示 |
4. 拼接全流程代码：先实现，再逐行拆解
先把完整代码贴出来，这份代码我用的频率极高，几乎成了个人可视化工具箱里的固定组件。以FashionMNIST为例，从Dataloader里取16张图，拼成4行4列的大图，并自动给每个子图加上类别标签。
import torch from torchvision import datasets, transforms import matplotlib.pyplot as plt import math # 1. 加载FashionMNIST数据集 train_data = datasets.FashionMNIST( root="./data", train=True, download=True, transform=transforms.ToTensor() ) # 2. 类别标签（FashionMNIST的10个类） class_names = [ "T-shirt/top", "Trouser", "Pullover", "Dress", "Coat", "Sandal", "Shirt", "Sneaker", "Bag", "Ankle boot" ] # 3. 取前16张图像及其标签 num_images = 16 images = [] labels = [] for i in range(num_images): img_tensor, label = train_data[i] images.append(img_tensor.squeeze().numpy()) # (28, 28) labels.append(class_names[label]) # 4. 计算网格行列数：默认正方形网格 cols = int(math.sqrt(num_images)) rows = math.ceil(num_images / cols) # 5. 用subplots创建网格 fig, axes = plt.subplots(rows, cols, figsize=(cols * 2, rows * 2)) # 6. 填入图像 for idx, ax in enumerate(axes.flat): if idx < num_images: ax.imshow(images[idx], cmap="gray", vmin=0, vmax=1) ax.set_title(labels[idx], fontsize=10) ax.axis("off") # 7. 调整布局 plt.tight_layout() plt.show()4.1 核心步骤的为什么：行列计算与figsize
第4步里用math.sqrt(num_images)算列数，然后取整得到行数，这个逻辑是为了让网格尽量接近正方形。16张图开根号是4，正好得到4x4；如果你取10张图，开根号约3.16，向上取整到列数4，行数ceil(10/4)=3，网格就是3行4列，多余的2个位置在第6步里被idx < num_images过滤掉，只关闭坐标轴、不显示图像。
figsize的设置是“每张子图约2英寸宽”的估算。28x28的灰度图本身很小，如果figsize太大会浪费空间，太小又会糊成一团。传(cols*2, rows*2)的好处是网格越大，画布自动越大，每张子图的物理尺寸保持相对稳定。这个值我一般会在2到3之间调，数据量大时可以适当减小。
4.2 一种更简洁的写法：torchvision自带的make_grid让你的代码减半
拼图这件事，PyTorch其实内置了一个很省事的方法，不写出来有点埋没它。torchvision.utils.make_grid可以把一批图像直接拼成一张网格图，返回的还是tensor，一行代码保存成图片：
from torchvision.utils import make_grid import torchvision.transforms.functional as F # 取16张图像（保留C,H,W格式） img_tensors = [train_data[i][0] for i in range(16)] grid_tensor = make_grid(img_tensors, nrow=4, padding=2, normalize=True) # 转成numpy并调整维度 grid_img = grid_tensor.permute(1, 2, 0).numpy() plt.imshow(grid_img) plt.axis("off") plt.show()make_grid的好处是不需要手动spawn网格和循环填充，nrow参数直接控制每行几张。normalize=True会按整个网格的像素范围做归一化，显示效果往往比自己拼的更好看。
但这个方法有两个局限：一是datasets里自带的make_grid默认支持4D batch输入，如果你只传3D单张不行，需要手动unsqueeze(0)加batch维；二是它跟matplotlib的配合是个“一次性输出”，没法灵活控制每张图的标题。所以我的习惯是：快速看一眼用make_grid，想写报告、加标题、精细控制布局就回到subplots方案。
5. 让拼接图更像“作品”：坐标轴、标题、留白与保存的处理细节
拼接图像做到能显示出来，只是完成了一半。很多时候你会发现拼出来的图要么每个子图挤在一起，坐标轴刻度线乱糟糟的，要么保存到本地后尺寸和显示效果对不上。这些细节处理好了，可视化的专业感一下就上去了。
5.1 关闭坐标轴和网格残留，是拼接图的第一优先级
ax.axis("off")这句代码在拼接图像里几乎是无条件的——除非你真的需要展示坐标轴刻度，比如在做像素级对比。很多人拼完图忘了关坐标轴，每个子图下方多了一串0到25的刻度标签，整个版面瞬间变得很“毛坯房”。如果想让图像的边缘也紧凑衔接，可以用ax.set_xticks([])加ax.set_yticks([])代替，效果更干净。
还有一种情况是在数据集迭代过程中，有些子图没有内容（比如16张图拼成3行4列最后缺2个格子），此时除了关坐标轴，最好把边框也隐藏掉，避免留出突兀的空白框。可以用ax.set_visible(False)，效果比axis("off")更彻底。
5.2 标题是对比分析的灵魂：set_title的位置与内容设计
在FashionMNIST这种多分类任务里，给每张子图配上真实的类别标签，观察同一个类别内图像的差异，或者对比不同类别的纹理特征，标题的阅读价值甚至高于图像本身。ax.set_title(labels[idx], fontsize=10)大家都会写，但有几个tips：
- 如果标题太长，比如“T-shirt/top”，可以加
rotation=0并调小fontsize，否则会和图像重叠。 - 想显示预测值和真实值两个信息时，可以在同一个标题里用两行：
ax.set_title(f"{true_label}\npred: {pred_label}", fontsize=9)。 - 批量设置时注意标题的字体大小和图像尺寸的比例，28x28的图像本身很小，标题过大反而喧宾夺主。
5.3 tight_layout、subplots_adjust与保存分辨率
拼接完成后plt.tight_layout()几乎是必须的，它会自动调整子图之间的间距，防止标题重叠或坐标轴被截断。如果tight_layout之后还嫌间距太大或者太小，就得手动手动调整plt.subplots_adjust(wspace=0.05, hspace=0.05)，把子图之间的水平垂直间隙压到极小值，这样拼出来的大图才有“无缝拼接”的紧凑感。
保存到本地时我常用：
fig.savefig("fashion_mnist_grid.png", dpi=150, bbox_inches="tight")bbox_inches="tight"会把周围的留白裁掉，按内容实际大小保存，这个参数比手动调figsize更靠谱。dpi=150在报告和网页展示时基本够用，如果是要印刷或者发论文，建议提到300。
5.4 显示整套数据：从Dataloader到子图索引的对接
实战中这批图像往往不是简单的前16张，而是来自DataLoader的一个batch。DataLoader返回的(batch_images, batch_labels)中batch_images的形状是(B, C, H, W)，B就是batch size。拼接函数可以直接设计成接收batch数据：
def show_batch(images, labels, class_names=None, cols=4): batch_size = images.size(0) rows = math.ceil(batch_size / cols) fig, axes = plt.subplots(rows, cols, figsize=(cols*2, rows*2)) axes = axes.flatten() if rows * cols > 1 else [axes] for idx, ax in enumerate(axes): if idx < batch_size: img = images[idx].squeeze().numpy() ax.imshow(img, cmap="gray", vmin=0, vmax=1) if class_names is not None: ax.set_title(class_names[labels[idx]], fontsize=10) ax.axis("off") plt.tight_layout() return fig, axes这里有个细节：如果batch size是1，plt.subplots(1, 1)返回的axes是单个对象而不是数组，直接axes.flatten()会报错，所以加了个判断。这种边界条件最容易在复用代码时爆雷，提前处理好能省很多事。
6. 踩坑记录：我在拼接FashionMNIST时碰到的三个典型问题
这部分是我自己反复踩过的坑，分享出来的价值往往比主流程代码更大。每一个都曾经让我调试到怀疑人生，后来发现都是些很基础的细节。
6.1 灰度图变成了“大花脸”：忘记指定cmap
第一次拼FashionMNIST的时候，我把数据转换都做好了，subplots也创建了，imshow里没写cmap参数，结果显示出来全是紫绿相间的伪彩色图。一开始我还以为是数据加载问题，后来才反应过来：matplotlib的imshow默认不指定cmap时，对二维灰度数组用的是viridis彩色映射，不是灰色。
这个坑的教训是：显示灰度图像时，cmap="gray"几乎永远是必写参数。唯一可能例外的是你确实想用伪彩色增强对比，比如用cmap="hot"看热力图。
6.2 tensor类型不匹配：半精度和整数类型不能被imshow直接处理
PyTorch的数据默认是float32，转numpy后直接imshow没问题。但如果你的训练流程里用了混合精度，把数据转成了float16，或者数据本身就是整型uint8，imshow的表现会不尽如人意。float16图像可能显示成一片灰白，uint8的话数值范围0-255会导致显示过曝。
稳妥的做法是在显示前统一转换：
# 统一转为float32的0-1范围 img_np = img_tensor.numpy() if img_np.dtype != np.float32: img_np = img_np.astype(np.float32) / 255.0这里按常见实践补充一句：如果你自己写了Dataset，返回的图像有时是PIL或numpy，类型可能五花八门，在imshow前统一格式永远是最省心的策略。
6.3 子图数量不等于图像数量：网格的“空洞”处理
16张图拼成4x4是完美的，但17张、18张、19张呢？这时网格尾部的若干子图没有数据填充，如果不做处理，空白子图会显示坐标轴边框，非常难看。前面代码里用if idx < num_images判断并ax.axis("off")，就是为了处理这种空洞。
更进阶的做法是在空洞区域显示一个提示文字或直接隐藏：
if idx >= num_images: ax.set_visible(False)set_visible(False)会让整个axes对象（包括边框和背景）彻底隐藏，版面比axis("off")还干净。
6.4 显示尺寸与保存尺寸对不上：figsize、dpi和实际像素的关系
很多人困惑一个问题：设置figsize=(8, 8)，保存时dpi=150，最后图片像素是1200x1200，这个我是怎么算出来的？其实像素尺寸 = figsize英寸 × dpi，所以figsize=(8,8), dpi=150就是1200x1200。想在屏幕上精确控制显示大小，需要同时调整figsize和dpi。
如果我做报告或者嵌入网页，通常用figsize=(6, 6)加dpi=150；如果只是屏幕快速查看，figsize=(4, 4)不加dpi就够。拼接图像的画面本身信息密度不高，盲目把figsize调大只会让图像之间间距松动，整体反而不好看。
7. 从拼接单图到批量生成对比图：扩展思路和实用技巧
学会了基础的拼接，再往上走一步就是我们工作中真正高频的场景——多图对比。这里简单聊聊我是怎么在这个基础上扩展的。
7.1 模型预测结果和真实标签的对比视图
训练完一个分类模型后，我最常做的事是把一个batch的输入图像、真实标签、预测标签、置信度四个信息拼成一张复合图。做法其实就是在subplots网格里动态生成标题内容：
ax.set_title(f"True: {true_label}\nPred: {pred_label} ({confidence:.2f})", fontsize=9)标题字体颜色还可以根据预测对错来切换，ax.title.set_color("green")表示正确，red表示错误。这样一张图扫下来，模型的错误模式一眼就能定位——比如发现“Shirt”和“T-shirt/top”经常混淆，就可以针对性地加强这两个类的样本。
7.2 结果保存为多页PDF或直接嵌入训练日志
除了输出png，matplotlib还支持把多个figure保存到同一个PDF文件里，便于按轮次翻看训练过程中的可视化结果：
from matplotlib.backends.backend_pdf import PdfPages with PdfPages("training_samples.pdf") as pdf: for epoch in range(5): # 生成当前epoch的拼接图 fig, axes = make_grid_figure(...) pdf.savefig(fig)这个用法在代码评审和实验汇报时非常方便，不用维护一堆png文件。
7.3 gridspec进阶：让拼接图里的每张子图拥有自己的尺寸比例
如果你觉得subplots不够灵活，想在某一行放置尺寸比例不同的子图，可以用plt.GridSpec自定义布局矩阵：
fig = plt.figure(figsize=(10, 8)) gs = fig.add_gridspec(2, 3, width_ratios=[1, 1, 2], height_ratios=[1, 2]) ax1 = fig.add_subplot(gs[0, :]) ax2 = fig.add_subplot(gs[1, 0]) ax3 = fig.add_subplot(gs[1, 1]) ax4 = fig.add_subplot(gs[1, 2])当基础拼接逻辑已经熟练之后，这个进阶方向值得投入时间，因为实际项目中总是会出现“这一排要并排对比两张图，下一排要放一张大图”这类复杂布局。
8. 最后聊点实际体验
做可视化多年，最大的感受是：代码本身并不复杂，真正麻烦的是“数据格式不对、参数忘了写、边界情况没考虑”这类重复性的小摩擦。拼接图像这件事，核心就是三句话——数据先变成numpy且形状正确，用subplots创建网格并批量填充，最后别忘cmap和坐标轴开关。把这三句刻在脑子里，任何数据集、任何拼接需求都能快速套用。我个人建议把文中show_batch那个函数存成一个工具文件，以后接任何数据集都能直接调，能省下大量重复性调试时间。
