用python实现批量图片的特征向量提取

要实现批量图片的特征向量提取，可以使用深度学习模型中的卷积神经网络（Convolutional Neural Network，CNN）。具体实现步骤如下：

1. 导入相关库

import os
import numpy as np
import tensorflow as tf
from tensorflow.keras.preprocessing.image import load_img, img_to_array
from tensorflow.keras.applications.vgg16 import preprocess_input, VGG16

2. 定义函数提取特征向量

def extract_features(directory, model):
    features = {}
    for filename in os.listdir(directory):
        path = directory + '/' + filename
        image = load_img(path, target_size=(224, 224))
        image = img_to_array(image)
        image = np.expand_dims(image, axis=0)
        image = preprocess_input(image)
        feature = model.predict(image, verbose=0)
        features[filename] = feature
    return features

3. 加载预训练的VGG16模型

model = VGG16()

4. 调用函数提取特征向量

directory = 'path/to/image/directory'
features = extract_features(directory, model)

其中，`directory`表示图片所在的文件夹路径，`model`为预训练的VGG16模型，`features`为提取出的特征向量，以字典形式存储，键为图片文件名，值为特征向量。

需要注意的是，此方法提取的特征向量是针对VGG16模型的，如果需要使用其他模型，可以对应修改代码中的模型部分。