学习李沐香蕉目标检测时疑问
原始数据 → 张量的转换链路（全程可回溯）:
1. 图像原始数据的转换链路
硬盘上的.png文件（原始数据） ↓ 由torchvision.io.read_image读取 单个图像张量（uint8，[C,H,W]）→ 存入images列表 ↓ 在BananasDataset的__getitem__中 转为float32张量（模型可训练）
张量和原始图片是一一对应的数值映射：
比如原始图片中 (100,200) 像素的 RGB 值是 (255,0,0)，张量中img[0,100,200]=255（R 通道）、img[1,100,200]=0（G 通道）、img[2,100,200]=0（B 通道）。
若要还原为 “可视化的原始图片”，只需将张量转格式即可：
# 从images列表中取第一个图像张量（还原原始图片） img_tensor = train_dataset.features[0] # uint8张量，[3,H,W] # 步骤1：转置为[H,W,C]（Matplotlib可视化格式） img_np = img_tensor.permute(1,2,0).numpy() # 步骤2：显示原始图片（和硬盘上的.png文件完全一致） d2l.plt.imshow(img_np)
2. 标签原始数据的转换链路
CSV文本文件（原始标注：img_name,label,xmin,ymin,xmax,ymax） ↓ 由pd.read_csv读取为DataFrame（文本→数字） ↓ 转为list(target)（[0,100,80,200,180]） ↓ torch.tensor(targets).unsqueeze(1) 标签张量（float32，[N,1,5]）
张量中的数值就是 CSV 里的原始数字（只是维度适配），比如张量labels[0] = [[0,100,80,200,180]]，对应 CSV 中00001.png的标注：label=0, xmin=100, ymin=80, xmax=200, ymax=180
若要还原为 “原始 CSV 格式”，只需将张量转回 DataFrame：
# 从标签张量还原原始标注 labels_np = train_dataset.labels.squeeze(1).numpy() # [N,5] csv_raw = pd.DataFrame( labels_np, columns=['label','xmin','ymin','xmax','ymax'] ) # 添加img_name列（从CSV中读取的原始图像名） csv_raw['img_name'] = csv_data.index print(csv_raw) # 和原始CSV文件内容完全一致
为什么代码不返回 “原始数据”（文件 / 文本）？
PyTorch 模型训练的核心是数值计算，原始的.png 文件（二进制）、CSV 文本（字符串）无法直接输入模型 —— 必须转为张量（数值矩阵）：
- 图像张量：是原始图片像素的数值化表示，可参与梯度计算、卷积等操作；
- 标签张量：是原始标注的数值化表示，可用于计算损失（如边界框回归损失）。
