尝试写一段读取SEED数据集的代码，用于输入卷积神经网络

以下是一个简单的Python代码示例，用于读取SEED数据集中的图像并将其输入到卷积神经网络中：

import os
import cv2
import numpy as np

# 读取数据集
dataset_path = 'SEED_dataset_path'
labels_file = 'labels.txt'

with open(labels_file, 'r') as f:
    labels = f.readlines()
    labels = [int(label.strip()) for label in labels]

images = []
for root, dirs, files in os.walk(dataset_path):
    for file in files:
        if file.endswith('.bmp'):
            image_path = os.path.join(root, file)
            image = cv2.imread(image_path)
            image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
            image = cv2.resize(image, (224, 224))
            images.append(image)

# 转换数据类型
images = np.array(images, dtype=np.float32)
labels = np.array(labels, dtype=np.int32)

# 归一化
images = images / 255.

# 将图像转换为4D张量
images = np.expand_dims(images, axis=-1)
images = np.transpose(images, (0, 3, 1, 2))

# 输入卷积神经网络
model.fit(images, labels, batch_size=32, epochs=10)

在此示例中，我们首先使用`os.walk()`函数遍历SEED数据集文件夹，并读取所有`.bmp`图像文件。然后，我们使用OpenCV库加载和预处理这些图像，即将它们转换为灰度图像、调整大小和归一化。最后，我们将这些图像转换为4D张量，并将其输入到卷积神经网络中进行训练。