基于firedataltraining sets 数据，根据提供的结构，建立CNN模型识别图片中的有火/无火状态，计算预测准确率，画出准确率曲线1.识别图片中的有火/无火，计算firedataltest sets测试数据预测准确率2.从网站下载相关图片，对其进行预测3.训练集和测试集准确率均在90%以上。此外还需要配置什么环境

非常感谢您的问题！根据您的问题，我了解到您需要建立一个CNN模型来识别图片中的有火/无火状态，并计算预测准确率。以下是您可能需要的步骤和环境配置：

步骤：

1. 在firedataltraining sets数据集上建立CNN模型。
2. 计算模型在firedataltest sets测试数据上的预测准确率。
3. 从网站下载相关图片，并对其进行预测。
4. 确保训练集和测试集准确率均在90%以上。

环境配置：

1. 安装Python 3.x。
2. 安装TensorFlow 或Keras等深度学习框架。
3. 安装NumPy、Pandas、Matplotlib等科学计算和数据可视化库。
4. 准备GPU加速环境（非必需）。

以上是可能需要的步骤和环境配置，如果您有进一步的问题或需要更详细的指导，请随时联系我。