label2int = {'buildings':0,'forest':1,'glacier':2,'mountain':3,'sea':4,'street':5} int2label = dict([val,key] for key,val in label2int.items()) def get_images(directory): Images = [] Labels = [] for labels in os.listdir(directory): label = label2int[labels] for image_file in os.listdir(directory+labels): #Extracting the file name of the image from Class Label folder image = cv2.imread(directory+labels+r'/'+image_file) # Reading the image (OpenCV) image = cv2.resize(image,(150,150)) #Resize the image, Some images are different sizes. (Resizing is very Important) Images.append(image) Labels.append(label) return shuffle(Images,Labels,random_state=817328462) #Shuffle the dataset you just prepared. def get_classlabel(class_code): labels = {2:'glacier', 4:'sea', 0:'buildings', 1:'forest', 5:'street', 3:'mountain'} return labels[class_code] Images, Labels = get_images('../input/seg_train/') #Extract the training images from the folders. Images = np.array(Images) #converting the list of images to numpy array. Labels = np.array(Labels) 请用中文分别解释上述每行代码的作用

1. `label2int = {'buildings':0,'forest':1,'glacier':2,'mountain':3,'sea':4,'street':5}`：创建一个字典，将类别名称映射为数字标签。
2. `int2label = dict([val,key] for key,val in label2int.items())`：创建一个字典，将数字标签映射为类别名称。
3. `def get_images(directory):`：定义一个函数，用于从给定目录中获取图像和标签。
4. `Images = []`：创建一个空列表，用于存储图像。
5. `Labels = []`：创建一个空列表，用于存储标签。
6. `for labels in os.listdir(directory):`：遍历目录中的所有标签文件夹。
7. `label = label2int[labels]`：将标签名称转换为数字标签。
8. `for image_file in os.listdir(directory+labels):`：遍历标签文件夹中的所有图像文件。
9. `image = cv2.imread(directory+labels+r'/'+image_file)`：读取图像文件，使用OpenCV库函数cv2.imread()。
10. `image = cv2.resize(image,(150,150))`：调整图像大小为150x150像素，以确保所有图像都具有相同的尺寸。
11. `Images.append(image)`：将图像添加到图像列表中。
12. `Labels.append(label)`：将标签添加到标签列表中。
13. `return shuffle(Images,Labels,random_state=817328462)`：将图像和标签列表打乱，并返回打乱后的结果。
14. `def get_classlabel(class_code):`：定义一个函数，用于将数字标签转换为类别名称。
15. `labels = {2:'glacier', 4:'sea', 0:'buildings', 1:'forest', 5:'street', 3:'mountain'}`：创建一个字典，将数字标签映射为类别名称。
16. `return labels[class_code]`：返回给定数字标签对应的类别名称。
17. `Images, Labels = get_images('../input/seg_train/')`：从给定目录中获取图像和标签。
18. `Images = np.array(Images)`：将图像列表转换为NumPy数组。
19. `Labels = np.array(Labels)`：将标签列表转换为NumPy数组。