你能帮我写一份用卷积神经网络分类图片数据集的代码吗？

当然可以！以下是一个用卷积神经网络分类图片数据集的 Python 代码示例：

首先，导入必要的库：

import numpy as np
import tensorflow as tf
from tensorflow.keras import layers, models
from tensorflow.keras.datasets import cifar10

然后，加载 cifar10 数据集：

(x_train, y_train), (x_test, y_test) = cifar10.load_data()

接下来，对数据集进行预处理：

# 将像素值缩放到 0-1 范围内
x_train, x_test = x_train / 255.0, x_test / 255.0

# 将标签转换为 one-hot 编码
y_train = tf.keras.utils.to_categorical(y_train, num_classes=10)
y_test = tf.keras.utils.to_categorical(y_test, num_classes=10)

然后，定义卷积神经网络模型：

model = models.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.Flatten(),
    layers.Dense(64, activation='relu'),
    layers.Dense(10, activation='softmax')
])

最后，编译模型并进行训练：

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

model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test))

这段代码将会训练一个卷积神经网络模型，用于对 cifar10 数据集中的图片进行分类。训练过程中，将会输出每个 epoch 的训练准确率和测试准确率。