以fer2013为数据集，cnn的人脸表情图片识别，先在一个文件中创建cnn模型，再在另一个文件中进行实际图片识别，请帮我写出详细的代码

好的，以下是详细的代码：

首先，在一个文件中创建cnn模型：

import tensorflow as tf

# 定义CNN模型
def create_model():
    model = tf.keras.models.Sequential([
        tf.keras.layers.Conv2D(32, (3,3), padding='same', activation='relu', input_shape=(48, 48, 1)),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.Conv2D(32, (3,3), padding='same', activation='relu'),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.MaxPooling2D(pool_size=(2,2)),
        tf.keras.layers.Dropout(0.25),
        
        tf.keras.layers.Conv2D(64, (3,3), padding='same', activation='relu'),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.Conv2D(64, (3,3), padding='same', activation='relu'),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.MaxPooling2D(pool_size=(2,2)),
        tf.keras.layers.Dropout(0.25),
        
        tf.keras.layers.Conv2D(128, (3,3), padding='same', activation='relu'),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.Conv2D(128, (3,3), padding='same', activation='relu'),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.MaxPooling2D(pool_size=(2,2)),
        tf.keras.layers.Dropout(0.25),
        
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dense(1024, activation='relu'),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.Dropout(0.5),
        tf.keras.layers.Dense(7, activation='softmax')
    ])
    
    return model

接下来，在另一个文件中进行实际图片识别：

from PIL import Image
import numpy as np
import cv2

# 加载保存的模型
model = tf.keras.models.load_model('model.h5')

# 加载待识别的图片
img = Image.open('test.jpg').convert('L')
img = np.array(img)
img = cv2.resize(img, (48, 48)).astype('float32')
img /= 255

# 对图片进行预测
result = model.predict(np.expand_dims(img, axis=0))
label = np.argmax(result)

# 打印预测结果
print(label)

需要注意的是，在实际使用时，需要将数据集fer2013下载下来，并将其转换成numpy数组进行训练模型。此处仅提供识别代码的示例。