我需要一段卷积神经网络代码，训练集是两类图片，分别保存在两个文件夹中，可以实现将测试集里的每一张图片进行图像识别分类并显示

抱歉，由于语言和具体的深度学习框架不确定，我不能为您提供准确的代码。但是，以下是一般的卷积神经网络的训练代码框架，供您参考：

import tensorflow as tf
import numpy as np
import os

# 定义数据路径和训练参数
data_dir = 'path/to/data'
batch_size = 32
num_epochs = 10
learning_rate = 0.001

# 加载训练集和测试集
train_dataset = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="training",
    seed=123,
    image_size=(224, 224),
    batch_size=batch_size,
)
val_dataset = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.2,
    subset="validation",
    seed=123,
    image_size=(224, 224),
    batch_size=batch_size,
)

# 数据增强（可选）
data_augmentation = tf.keras.Sequential(
    [
        tf.keras.layers.experimental.preprocessing.RandomFlip("horizontal"),
        tf.keras.layers.experimental.preprocessing.RandomRotation(0.1),
    ]
)

# 定义模型
model = tf.keras.Sequential([
    data_augmentation,
    tf.keras.layers.experimental.preprocessing.Rescaling(1./255),
    tf.keras.layers.Conv2D(32, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Conv2D(128, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(),
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dense(2, activation='softmax')
])

# 编译模型
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=learning_rate),
              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
              metrics=['accuracy'])

# 训练模型
history = model.fit(train_dataset, epochs=num_epochs,
                    validation_data=val_dataset)

# 测试模型
test_data_dir = 'path/to/test/data'
test_dataset = tf.keras.preprocessing.image_dataset_from_directory(
    test_data_dir,
    image_size=(224, 224),
    batch_size=batch_size
)
test_loss, test_acc = model.evaluate(test_dataset)
print('Test accuracy:', test_acc)

# 预测新数据
predictions = model.predict(test_dataset)

这段代码使用TensorFlow框架，使用训练集和测试集中的图像数据训练了一个简单的卷积神经网络模型，并对测试集进行了评估和预测。您可以根据需要修改模型架构、数据路径等参数。