请给出代码，及数据集

在Python中，我们可以使用深度学习框架如TensorFlow或PyTorch来进行水果分类。这里提供一个简单的例子，使用Keras库，它在TensorFlow背后运行。我们先假设已经有一个预处理好的水果图像数据集，例如Fruit 360 Dataset，这是一个包含60000张水果图片的小型数据集，每种水果都有100张。

# 导入必要的库
import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense

# 假设图片大小为150x150像素
img_width, img_height = 150, 150

# 定义数据增强器
data_gen = ImageDataGenerator(rescale=1./255,
                             rotation_range=20,
                             width_shift_range=0.2,
                             height_shift_range=0.2,
                             shear_range=0.2,
                             zoom_range=0.2,
                             horizontal_flip=True)

# 数据集路径
train_data_dir = 'path_to_your_train_data'
validation_data_dir = 'path_to_your_validation_data'

# 构建模型
model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(img_height, img_width, 3)),
    MaxPooling2D((2, 2)),
    Conv2D(64, (3, 3), activation='relu'),
    MaxPooling2D((2, 2)),
    Conv2D(128, (3, 3), activation='relu'),
    MaxPooling2D((2, 2)),
    Flatten(),
    Dense(128, activation='relu'),
    Dense(len(fruit_classes), activation='softmax')  # fruit_classes是你的类别数
])

# 编译模型
model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# 加载数据
train_generator = data_gen.flow_from_directory(
    train_data_dir,
    target_size=(img_height, img_width),
    batch_size=32,
    class_mode='categorical')

validation_generator = data_gen.flow_from_directory(
    validation_data_dir,
    target_size=(img_height, img_width),
    batch_size=32,
    class_mode='categorical')

# 训练模型
history = model.fit(
    train_generator,
    steps_per_epoch=train_generator.samples // train_generator.batch_size,
    epochs=20,
    validation_data=validation_generator,
    validation_steps=validation_generator.samples // validation_generator.batch_size)

这个例子假设你的数据集已经按照类别分别放在两个目录下，如`fruit360/train/`和`fruit360/validation/`。你需要替换这些路径并调整`len(fruit_classes)`为你实际的类别数。