图像拼接这个需求，做深度学习炼丹的应该都不陌生。不管是训练前的数据探索、训练中的过程监控，还是最后结果的展示汇报，总会遇到一个问题：怎么把一大堆图像按网格拼成一张图，直观地展示给别人看。很多人一开始都是循环里一张张用plt.subplot画，画完了发现代码里全是231、232这种魔法数字，想改布局就得从头改。后来换了plt.subplots，又搞不清楚返回的那个fig, axes到底是什么结构，稍微复杂点的场景就各种报错。

这篇文章就专门解决这个问题。我会以PyTorch + FashionMNIST数据集为例，从需求场景讲到代码实现，再到subplot和subplots的核心区别，最后给出一个可以直接套用的批量可视化框架。不管你是刚接触深度学习的新手，还是写了很多训练脚本但一直对matplotlib一知半解的老哥，这篇都能帮你在几分钟内拼出干净、专业的图像网格。

1. 先说结论：为什么图像拼接值得单独写一篇

1.1 这个需求从哪来

做图像分类、目标检测、生成模型等方向时，几乎每一步都绕不开“看图”。第一次接触一个新数据集，你得看它长什么样、标注对不对；训练过程中要时不时检查一下模型的输出，比如GAN生成的图片有没有崩坏；最后写报告或者做演示，又需要挑几张有代表性的结果放在一起对比。在这些场景下，把多张图“拼”成一张图是最高效的展示方式——一张图里能瞧见足够多的信息，还方便保存和分享。

有人可能会说，这有什么难的，不就是循环里画几个子图吗？但实际写起来就会发现几个痛点：

• 用plt.subplot时，每次调用都要指定位置编号，比如plt.subplot(2, 3, 1)，然后plt.subplot(2, 3, 2)。这种写法在图少的时候还行，一旦图一多，位置编号全是硬编码的魔法数字，改起来非常痛苦，而且代码看起来像绕口令。
• 图片显示时经常出现“一团黑”“全是伪彩色”的诡异现象，其实往往不是数据有问题，而是imshow的参数没有配合数据维度设置好。
• 想调整图片间隔、外边距、每张图的标题字体大小、去掉坐标轴刻度，这些细节如果不清楚背后的机制，就只能对着官方示例一点点试，效率极低。
• 还有更进阶的需求：想在每张图下方标注“真实标签”和“预测标签”，想在训练循环里每隔几百步自动保存一张拼接图，想拼几十上百张图却不爆内存……

这些需求都指向同一个基础能力：用matplotlib的subplots或subplot去组合图像，并且把它的调用逻辑彻底搞清楚。这篇会从API区别到实际代码一次性把这件事讲明白。

1.2 为什么拿 FashionMNIST 做例子

选FashionMNIST不是因为它复杂，恰恰是因为它简单且典型。这是一个公开的服装图像数据集，包含10个类别，比如T恤、裤子、套头衫、裙子、外套、凉鞋、衬衫、运动鞋、包、短靴等，每张图是28x28像素的单通道灰度图。这类数据有三大好处：

第一，图像尺寸很小，加载和处理都很快，教程代码在普通笔记本上就能跑，不需要GPU就能复现。第二，灰度图省去了通道数的干扰，处理时不用考虑RGB三通道顺序问题，对新手更友好，但同时又能锻炼“单通道图如何正确显示”这个关键认知。第三，它本身就是分类任务的标准入门数据集，很多人在上面调模型、做实验，自然会产生可视化需求。用它做拼接演示，所有代码可以直接迁移到自己的真实项目里，不需要做任何数据格式上的适配。

另外也提前说一下，这篇文章里的代码风格偏工程化，我给每个关键步骤都配了参数说明和为什么这么写的解释，不是那种“复制能跑但一问就懵”的教程。下面先剖析subplot和subplots，这是整篇的地基。

2. subplot 和 subplots 到底差在哪

2.1 最直观的区别：调用方式和返回值

很多初学者会在同一个代码里混用subplot和subplots，然后完全摸不着头脑。其实从名字上就能看出大概：subplot是单数，一次创建一个子图；subplots是复数，一次创建整批子图。

先看subplot的经典用法：

import matplotlib.pyplot as plt plt.figure(figsize=(10, 5)) plt.subplot(1, 3, 1) plt.imshow(img1) plt.subplot(1, 3, 2) plt.imshow(img2) plt.subplot(1, 3, 3) plt.imshow(img3) plt.show()

这里的plt.subplot(1, 3, 1)意思是把画布分成1行3列，然后激活第1个子图，之后所有绘图命令（比如imshow、title）都作用于这个子图，直到下一次调用subplot切换。这个API的好处是平铺直叙，正对着“当前活动子图”的概念，适合一步步顺序画图；坏处是三个数字要手动管理，一旦行列数变了，所有位置参数都要跟着改。

再看subplots的核心用法：

fig, axes = plt.subplots(2, 5, figsize=(12, 6))

这一行就创建了一个2行5列的子图网格，fig是整个Figure对象，axes是一个形状为(2, 5)的numpy数组，里面装着10个坐标轴对象。之后你可以通过下标访问任意一个子图：

axes[0, 0].imshow(img1) axes[1, 4].imshow(img25)

也可以先展平再遍历：

for ax, img in zip(axes.flatten(), images): ax.imshow(img)

这就是两者最大的差别：subplot每次返回单个坐标轴，适合“按需激活当前画布”；subplots一次返回整组坐标轴对象，适合“批量规划然后统一填充”。在图像拼接场景中，绝大多数情况下subplots是更优解，因为它把所有子图作为数据结构暴露给你，而不是散落在全局状态里，后续修改和批量操作都方便得多。

2.2 背后的机制：Figure、Axes 与网格

要真正理解两者的区别，不能只看API表面，还得理解matplotlib的层次结构。matplotlib里最核心的两个对象是Figure和Axes。

Figure可以理解成“整张画布”，所有元素都画在它上面。它的尺寸由figsize控制，背景色由facecolor控制，保存图片时的分辨率由dpi控制。Axes则是画布上的“绘图区域”，每个图例、坐标轴、图像都隶属于某一个Axes。一张Figure上可以有很多个Axes，而subplot和subplots本质都是在做一件事：在Figure上划分出多个Axes，并把它们按网格摆放。

在底层，matplotlib会创建一个GridSpec网格对象来管理子图的位置和大小。plt.subplot(2, 3, 1)其实是在底层构造一个2行3列的GridSpec，然后取第1个位置的Axes并让它成为“当前坐标轴”。plt.subplots(2, 3)则一次性创建整个GridSpec，并返回所有位置的Axes组成的数组。

这个区别带来一个非常实际的影响：subplot模式下，你如果想在画完后统一调整子图的间距，只能用plt.subplots_adjust这样的全局配置；而subplots模式下，可以直接对axes数组里的每个对象单独设置属性，比如单独隐藏某个子图的坐标轴、单独改某个子图的标题颜色，操作粒度精细很多。

还有一个容易忽略的特性：subplots支持sharex和sharey参数。比如多张图如果都有同样的x轴范围，你可以设置sharex=True，这样所有子图共享x轴刻度，图像区域更紧凑，视觉上更整齐。subplot要实现同样的效果就得靠plt.setp遍历坐标轴，代码量明显更多。

2.3 什么时候用 subplot，什么时候用 subplots

既然subplots看起来碾压，是不是subplot就该丢进垃圾桶？也不至于。二者的适用场景其实有清晰边界。

用subplot的场景通常是非规则的、动态的绘图需求。比如你在写一个仪表盘脚本，需要在同一个画布上穿插绘制折线图、散点图、柱状图，每个图的类型都不同，由于图的数量少、位置不规律，直接用plt.subplot(2, 2, 1)一步步激活反而更直白。又比如你写的代码是函数式的，习惯“画一个图，再画一个图”这样线性推进，不想管理axes数组，那subplot的全局状态模式更顺手。

用subplots的场景则是批量网格。最典型的就是图像拼接：已经拿到了一个图像列表，想在网格里统一展示；或者要在每个子图上做同样的事情，比如都加标题、都关闭坐标轴、都设置相同的cmap。这时候subplots一次性生成所有子图，然后用循环统一处理，代码量少、可读性强、不容易出错。

一句话总结：单张动态绘制用subplot，批量统一网格用subplots。本文的所有拼接逻辑，都会基于subplots来实现。

3. 完整代码：加载 FashionMNIST 并拼接成一张图

3.1 环境准备和依赖

先搭环境。本文代码基于以下版本组合，Python 3.8+基本都能兼容：

• Python 3.9 或 3.10
• PyTorch 2.x（1.x也能跑，API差异不大）
• torchvision 0.15 以上（理论上0.10以上就能跑，但新版对download和transform的行为更稳定）
• matplotlib 3.6 以上
• numpy 1.20 以上

安装可以直接用pip：

pip install torch torchvision matplotlib numpy

在开始写代码前，建议先在代码开头设置几个matplotlib的全局配置，尤其是中文字体和图像清晰度：

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans'] plt.rcParams['axes.unicode_minus'] = False

为什么要单独提这个？因为很多人在后面画标题时会遇到中文乱码问题。如果不提前设置字体，plt.title里的中文会变成一个个方框，非常头疼。axes.unicode_minus是为了解决坐标轴上负号显示成乱码的问题，虽然拼接图像时可能用不到负号，但写上能防止其他绘图场景踩坑。

另外一个环境相关的建议是：如果你在无图形界面的服务器上跑脚本，直接调用plt.show()不会弹出任何窗口，程序会默默结束。这种情况下，请使用matplotlib.use('Agg')或直接不调用show()，只用savefig保存图片。关于这点后面展开讲。

3.2 加载 FashionMNIST 数据

数据加载用torchvision.datasets.FashionMNIST，这是最标准的入口。完整代码如下：

import torch from torchvision import datasets, transforms # 数据预处理：转Tensor transform = transforms.Compose([ transforms.ToTensor(), ]) # 训练集，download=True 时会自动下载到指定目录 train_dataset = datasets.FashionMNIST( root='./data', train=True, transform=transform, download=True ) # 类别名称 class_names = train_dataset.classes print(class_names) # ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', # 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot'] # 构建DataLoader，batch_size设为10便于展示10个类别 train_loader = torch.utils.data.DataLoader( train_dataset, batch_size=10, shuffle=True, num_workers=2 )

这里有几个细节值得说明：

download=True会在指定的root目录下自动下载数据集。如果网络环境不稳定，下载多次失败，可以直接去数据集官网手动下载四个文件，放进./data/FashionMNIST/raw目录，再设置download=False。每个文件的字节数都是固定的，用哈希校验一下更稳。

ToTensor()会把PIL图像转成张量，像素值从0到255归一化到0到1，并且通道维度会排在最前面，所以每张图的shape是(1, 28, 28)，这是后文所有处理逻辑的基础。如果调试时发现图像显示不对，第一个要检查的就是张量维度顺序。

DataLoader的batch_size设置成10，正好对应FashionMNIST的10个类别，方便我们后续每类取一张、拼成一行。shuffle=True保证每次获取的数据是随机打乱的，这样多次执行能看到不同的拼接效果。

3.3 核心拼接代码（含逐行说明）

数据准备好了，现在进入核心。下面这段代码从Loader里取一个batch，然后用plt.subplots把10张图拼成一行，并给每张图标注类别名称。

import matplotlib.pyplot as plt # 取一个batch数据 images, labels = next(iter(train_loader)) # images.shape: (10, 1, 28, 28) # 创建一个包含10个子图的Figure，一行10列 fig, axes = plt.subplots(1, 10, figsize=(12, 3)) for idx, ax in enumerate(axes): # 去掉batch维和通道维，得到 (28, 28) img = images[idx].squeeze(0) # 显示灰度图 ax.imshow(img.numpy(), cmap='gray') # 设置子图标题为类别名 ax.set_title(class_names[labels[idx]], fontsize=10) # 隐藏坐标轴 ax.axis('off') # 调整子图间距 plt.tight_layout() # 保存图片 plt.savefig('fashion_mnist_grid.png', dpi=150, bbox_inches='tight') # 可选：显示窗口 # plt.show()

这段代码只有十几行，但每一行都值得展开讲。一定要理解的不是“能跑”，而是“为什么这么写能拼出干净整齐的图”。

先看plt.subplots(1, 10, figsize=(12, 3))：这里第一个参数是行数，第二个参数是列数。由于只分成一行，figsize的高度可以设小一点，否则画面会显得很空。figsize的单位是英寸，dpi默认通常是100，所以12x3的图实际输出尺寸约为1200x300像素，比例上适合横排长条子图。

for idx, ax in enumerate(axes)能直接遍历，是因为axes本身就是numpy数组。一行10列时它的形状是(10,)，可以直接遍历；但如果是多行多列，比如2行5列，axes的形状是(2, 5)，直接遍历会按行迭代，得到两个包含5个坐标轴的数组，而不是单个坐标轴。所以多行多列时一般先调用axes.flatten()或者axes.ravel()展平成一维数组。这两种方法几乎等价，ravel返回视图更快，flatten返回副本更保险，但在此场景下差异不大。

img = images[idx].squeeze(0)这一步的作用是去掉通道维。因为images[idx]的形状是(1, 28, 28)，squeeze(0)会把它变成(28, 28)。对于一个28x28的二维数组，imshow会把它当作单通道图像，配合cmap='gray'就能正确显示灰度图。如果你忘了squeeze，把(1, 28, 28)的三维数组直接传给imshow，matplotlib会把它当作一张三个通道的彩色图——更糟糕的是每个通道都只有28x28的分辨率，并且实际通道的含义是完全错误的，最终显示出来的图往往是一团奇怪的伪彩色噪点。

ax.axis('off')是把坐标轴刻度全部隐藏。图像拼接场景下，坐标刻度和轴线都是噪音，不关掉的话每张图旁边都会出现一堆密密麻麻的数字，非常难看。如果想保留边框做一定的视觉分隔，也可以用ax.set_xticks([])和ax.set_yticks([])单独隐藏刻度而保留边框，二选一全看个人审美。

plt.tight_layout()会自动调整子图之间的空白间距，让标题不被截断、图像不互相挤压。这是一个很省事的函数，虽然它不是十全十美（复杂布局下偶尔会调出奇怪结果），但99%的场景都比手动调subplots_adjust方便。对于更精细的控制，可以用plt.subplots_adjust(wspace=0.1, hspace=0.2)手动指定子图之间的水平间距和垂直间距，wspace是宽间距比例，hspace是高间距比例。

plt.savefig('fashion_mnist_grid.png', dpi=150, bbox_inches='tight')把拼接结果保存到文件。这里有两个参数务必记住：dpi控制输出分辨率，数值越大图片越清晰，但同时文件体积也会变大；bbox_inches='tight'会裁掉图片周围的空白边，让结果看起来更紧凑。如果你在屏幕上看到的图和保存下来的图不一样，多半就是bbox_inches在起作用。

3.4 控制布局和出图的几个关键参数

人跟人审美不一样，任务跟任务要求也不一样。拼接图能不能直接用，很大程度上取决于布局参数调没调对。下面是几个最常调、也最值得理解的参数。

figsize：画布多大，子图就多疏密。当子图数量固定时，figsize越大，每张子图的显示区域越大，图像本身被拉伸的程度也越大。要注意的是这个拉伸是等比还是不等比，取决于你在imshow里有没有设置aspect参数。默认情况下，imshow会尽量保持图像的宽高比，这会导致一个问题：如果画布很宽很高、而每张图本身是正方形，那子图区域会出现大量的白边，图像没有填满整个子图区域。此时可以设置ax.imshow(img, cmap='gray', aspect='auto')强制图像拉伸填满子图。不过对于FashionMNIST这类图像本身长宽相等的场景，aspect='auto'反而会破坏原始比例，建议不要为了“看起来大”而牺牲图像的真实形状。

cmap：灰度图该配什么色。这个太重要了。cmap='gray'表示用黑到白的渐变色去映射数据。如果不指定，matplotlib对单通道图像默认使用的是viridis色彩映射，也就是从紫色到黄绿色的那种渐变，视觉上会非常出戏。始终记住一件事：只要是单通道数据，就显式指定cmap='gray'，别指望默认行为能帮你。

squeeze：subplots返回值的形态。在plt.subplots内部有一个squeeze参数，默认是True。当子图网格中的行或列有一个是1时，比如(1, 10)，返回的axes会被降维成一维数组(10,)；如果行列都大于1，比如(2, 5)，返回二维数组。如果设置squeeze=False，那么即使只有一行，也始终返回形状为(1, 10)的二维数组。大多数时候保持默认即可，但如果你写了一个通用可视化函数，输入的行列数不固定，建议显式设置squeeze=False，然后固定的用axes[0, idx]去索引，这样代码更统一，不容易出现“有时候能索引有时候报错”的玄学问题。

title和labels：标题信息不要瞎堆。在子图里加标题时，fontsize控制了标题的相对大小。如果整张图不大，标题字号比图像尺寸还大，观感很差。另外要注意set_title是加在坐标轴对象上的，plt.title是加在当前活动坐标轴上的，混用容易出错。尤其在使用subplots后，plt.title只会作用在“最后一个被激活”的子图上，而不是整张Figure。想要为整个Figure添加大标题，应该用fig.suptitle。

4. 真机实操：常见坑与排查思路

4.1 图像全黑或全绿，别急着怀疑数据

拼接图里出现全黑的图像，第一反应不应该是“这个batch数据是不是坏了”，而要先检查两步。第一步，检查图像张量的数值范围。ToTensor()之后，图像数据归一化到0到1，如果显示前画了某些操作把数据范围改成了0到255甚至-1到1，没有设置vmin和vmax的话，imshow默认会把数据的最小值和最大值映射为最暗和最亮，导致中间大部分灰阶显示不出来，看着就像全黑。第二步，检查通道维度。前面说的(1, 28, 28)不squeeze就显示，是产生绿色或者彩虹伪影的高频原因。这两个坑并排写，是因为它们表面上都表现为“图像显示不正常”，但排查思路完全不一样：前一个查数值范围，后一个查维度顺序。

遇到过这种情况的可以做一个快速自检：在代码里加上一行print(images[idx].shape, images[idx].min(), images[idx].max())，输出维度、最小值、最大值，这几个数一眼就能看出是哪个环节出了问题。调试可视化的第一原则就是先把自己的数据“打印出来看清楚”，不要对着黑屏瞎猜。

4.2 中文标签变成方框

很多中文环境下的matplotlib初学者都栽过这个跟头。class_names里面如果用了中文翻译后的类名，比如“套头衫”“运动鞋”，不设置中文字体的话，set_title绘制出来的就是一排方框。因为matplotlib的默认字体不包含中文字符集，渲染时找不到对应字形，只能用占位符代替。

解决办法是在代码开头设置：

plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'PingFang SC'] plt.rcParams['axes.unicode_minus'] = False

字体列表从左到右按优先级排列，系统里装了哪个就用哪个。同时建议把axes.unicode_minus也设成False，否则坐标轴上的负号可能显示成方块。如果设了字体代码里中文还是乱码，大概率是字体名字拼错了，或者系统根本没装对应字体。Linux服务器可以通过fc-list :lang=zh命令查看已安装的中文字体，缺什么装什么。

如果你不想被中文字体问题纠缠，还有一个更稳但不太推荐的办法：直接使用数据集的英文类名，不翻译。FashionMNIST自带的class_names本身就是英文，比如T-shirt/top、Trouser，保存出的图在任何机器上都一样，不用额外配置字体。实际项目里如果只给自己看，中文确实更方便；但要发到论坛、写进论文，还是建议用英文，省心。

4.3 维度不匹配导致的隐性报错

在使用PyTorch加载数据时，一个batch的维度通常是(batch_size, channels, height, width)，也就是(10, 1, 28, 28)。但如果你用OpenCV读取图像，读取出来的维度是(height, width, channels)，也就是(28, 28, 1)。两种数据直接喂给同一个显示函数，imshow的解析结果完全不同：前者会被当作用0到1浮点数表示的多通道图，后者会被当作用0到255整数表示的单通道图。很多时候报错不一定马上出现，只会表现为“图怎么是反的”“颜色怎么不对”。

这里给一个统一的建议：写一个专门的show_image函数，进去以后强制把numpy数组整理成(H, W)或者(H, W, 3)的标准格式，然后再调imshow。比如：

def show_image(ax, img_np): if img_np.ndim == 3 and img_np.shape[0] == 1: img_np = img_np.squeeze(0) ax.imshow(img_np, cmap='gray' if img_np.ndim == 2 else None) ax.axis('off')

这样无论传入的数据是从PyTorch张量转来的(1, 28, 28)，还是OpenCV读出来的(28, 28, 1)，都能得到视觉上正确的显示。把琐碎的维度判断封装起来，你的拼接代码在多个项目里都不用改。

4.4 布局重叠与图片被截断

用subplots创建网格时，如果子图数量很多，比如10行10列，默认间距下标题和图像会互相挤在一起，甚至部分图像被画布边缘截断。此时首要手段是调figsize，把它设到足够大，比如figsize=(15, 15)。其次用plt.tight_layout()做强制的自动排版。还不行的话，就用plt.subplots_adjust(left=0.05, right=0.95, top=0.95, bottom=0.05, wspace=0.15, hspace=0.2)手动调整边距和各子图间的间距。这些参数在调的时候不要凭感觉乱来，记住一个规律：left/right是整张图左右两侧的空白边界，top/bottom是上下边界，wspace和hspace是子图之间的间隔比例，值越大空得越开。从极端值往回收着试，很快就能找到合适的组合。

还有一种常见情况：保存出来的图，左右两侧被裁掉一部分。这通常是因为bbox_inches='tight'配合某些自动布局时，计算出的边界和实际内容不相匹配。解决办法是去掉bbox_inches='tight'，改用固定边距，或者反过来，把bbox_inches保留但减少tight_layout的效果。两条路试一条，保存出来的图通常就会正常了。

5. 从拼接一张图到批量可视化框架

5.1 用 subplots 批量输出多批数据预览

拼接一张图只是入门。实际应用中，你往往需要批量地为很多个batch生成预览图。依然用FashionMNIST，假设我们要为前5个batch各生成一张拼接图，怎么做？

思路很简单：外层遍历batch，内层遍历当前batch种的每张图，每个batch生成一张图并保存。代码示例：

import os os.makedirs('preview', exist_ok=True) for batch_idx, (imgs, labels) in enumerate(train_loader): if batch_idx >= 5: break fig, axes = plt.subplots(1, 10, figsize=(12, 3)) for ax, img, label in zip(axes, imgs, labels): ax.imshow(img.squeeze(0).numpy(), cmap='gray') ax.set_title(class_names[label], fontsize=10) ax.axis('off') plt.tight_layout() plt.savefig(f'preview/batch_{batch_idx:02d}.png', dpi=120) plt.close(fig) # 关键：释放内存

这里有个极其关键的细节：plt.close(fig)一定不能漏。很多人在循环里生成图片，内存占用以肉眼可见的速度飙升，最后程序卡死，就是因为matplotlib把所有Figure对象都保持在内存里没有释放。每循环一次创建一张图，不close的话，几十上百张图累积起来，内存很快就被吃光。这属于那种“程序跑很久才发现问题，排查半天才发现是漏了一行”的坑，提前养成习惯能省很多事。

如果你不想生成多张单独的图片，而是想在一张很大的画布里一次性展示所有batch的所有图片，思路完全一样，只是把plt.subplots的参数设为总规模。比如5个batch、每批10张，那就是5行10列，一遍循环把数据铺进去，一行对应一个batch。此时每个子图的尺寸会变小，记得调大figsize并考虑是否要给每行加一个“batch编号”的标签。

5.2 在拼接图上叠加标签和预测结果

用来展示训练效果的拼接图，往往不只是显示原始图像，而是要对比“真实标签”和“模型预测标签”。这在实际工程里太常用了。

实现思路是：先获取一个batch的输入，经过模型推理得到预测结果，然后在子图标题里同时放上真实标签和预测标签，并把预测错误的信息用颜色强调出来。示例代码：

model.eval() with torch.no_grad(): images, labels = next(iter(train_loader)) outputs = model(images) _, preds = torch.max(outputs, 1) fig, axes = plt.subplots(1, 10, figsize=(12, 3)) for idx, ax in enumerate(axes): ax.imshow(images[idx].squeeze(0).numpy(), cmap='gray') true_name = class_names[labels[idx]] pred_name = class_names[preds[idx]] color = 'green' if labels[idx] == preds[idx] else 'red' ax.set_title(f'真:{true_name}\n预:{pred_name}', fontsize=9, color=color) ax.axis('off') plt.tight_layout() plt.savefig('prediction_grid.png', dpi=150)

这个示例能用，但更复杂的工程里建议把所有可视化逻辑封装成一个函数，比如visualize_batch(images, labels, preds, save_path, class_names)。封装之后，训练循环里只要一行调用，就能自动生成监控图片。做模型调参和bug排查时，这种“每跑一个epoch就自动保存预测图”的习惯非常有用，能让很多问题在苗头阶段就被发现。

torch.max(outputs, 1)返回两个值，分别是最大值和对应的索引，_用来忽略最大值部分，preds就是预测类别的索引。如果你习惯用outputs.argmax(dim=1)，效果完全一样。一个小提醒：推理时记得在torch.no_grad()上下文里进行，否则模型计算图会被保留，显存消耗成倍增加。这个错误我在前期踩过很多次，分享出来省得大家再踩一遍。

5.3 扩展一：用 subplot_mosaic 做复杂布局

如果subplots的规则网格满足不了你，比如你想让一张图占两个子图的位置，或者第一行三张、第二行两张且位置不对称，这时候subplot_mosaic是一个极其好用的工具。它是matplotlib 3.3之后引入的新API，用类似ASCII艺术的字符串来定义布局：

fig, axes = plt.subplot_mosaic( [['big', 'small1'], ['big', 'small2']], figsize=(8, 6) ) axes['big'].imshow(large_image, cmap='gray') axes['small1'].imshow(small_img1, cmap='gray') axes['small2'].imshow(small_img2, cmap='gray')

这种写法的最大优势是把布局意图用形状直接表达出来，比数字参数直观得多。等号、加减号等符号还能创建跨越多个行列的复杂网格。对于做结果对比、论文插图这类有定制布局需求的任务，建议重点掌握这个API。

5.4 扩展二：把可视化嵌入训练流程

最后提供一个很实用的工程技巧：把图像拼接可视化嵌入到训练循环中。常见的做法是定义一个plot_to_numpy函数，把matplotlib绘制的图像直接转成numpy数组，然后传给TensorBoard或Weights & Biases这类可视化工具记录。这样在训练日志里能实时看到每一轮的数据预览和模型输出，不需要打开本地图片文件。

def fig_to_numpy(fig): fig.canvas.draw() data = np.frombuffer(fig.canvas.tostring_rgb(), dtype=np.uint8) data = data.reshape(fig.canvas.get_width_height()[::-1] + (3,)) return data

用法就是把之前所有绘图逻辑放到画布上，最后调用fig_to_numpy(fig)得到数组，再用writer.add_image('train_preview', img_array, global_step)写入TensorBoard。这个方案的好处是所有的日志集中在一个面板，训练过程中的任何变化都能随时回看。当然，要注意绘图本身有CPU开销，不要每个step都画，几百步画一次足够。

这些扩展功能不是必须的，但当你从“把图拼出来”升级到“让可视化服务于训练流程”时，它们能让整个项目的调试效率和展示效果提高一个档次。基础的部分只要吃透了，这些扩展就是举一反三的事。我在实操中最大的体会是：可视化代码一定要封装。封装成函数之后，训练脚本会变得干净整洁，可视化和模型逻辑完全解耦，demo阶段随手写的代码才能真正沉淀成自己的工具箱。建议你拿到这套拼接方法后，第一时间把它包装成自己项目里的通用函数，参数不用多，一两行就能调用的程度就够了。