深度学习——自己的训练集——训练模型（CNN）

1.导入必要的库

导入处理数据和训练模型时需要的库
os: 这个模块提供了与操作系统交互的功能，比如文件和目录操作。
cv2: 这是OpenCV库的别名，它是一个强大的计算机视觉库，用于图像和视频处理。
numpy as np: NumPy是一个用于科学计算的库，它提供了高效的数组处理能力，对于图像处理等任务非常有用。
tensorflow as tf: TensorFlow是一个开源的机器学习库，用于构建和训练各种类型的机器学习模型。

import os
import cv2
import numpy as np
import tensorflow as tf

2.加载类别名称

with open(‘99/classes.txt’, ‘r’) as f:

with open(...) as f:：这是上下文管理器（context manager），用于自动处理文件资源的打开和关闭。当with语句执行完成后，文件会自动关闭，即使遇到异常也是如此。
'99/classes.txt'：这是要打开的文件的路径。
'r'：这是文件打开模式，表示以只读方式打开文件。
f：这是上下文管理器创建的文件对象，可以用来读取文件内容。

classes = f.read().splitlines()：

f.read()：这个方法调用用于读取文件的全部内容，并将结果作为一个字符串返回。
.splitlines()：这个方法调用用于将字符串按照行分隔符（通常是换行符\n）分割成一个列表。
classes：这个变量存储了分割后的列表，其中每个元素都是一个从文件中读取的标签名称。

with open('99/classes.txt', 'r') as f:
    classes = f.read().splitlines()

3.创建标签映射字典

创建了一个标签映射字典，用于将标签索引转换为实际的标签名称。

label_mapping = {
   
    '0': 'sad',
    '1': 'happy',
    '2': 'amazed',
    '3':