python帮我用sklearn模块写一个AI识别算法图片，根据我提供一个文件夹下的所有图片进行学习，学习后保存成一个模型文件。可以调用进行使用，并打印相似度

好的，这里是一个可以实现你要求的Python代码：

from sklearn import svm
from skimage import io, transform
import numpy as np
import os

# 读取图片
def read_image(path):
    img = io.imread(path, as_gray=True)
    img = transform.resize(img, (128, 128))
    return img.ravel()

# 读取数据集
def load_dataset(path):
    X = []
    y = []
    for foldername in os.listdir(path):
        if not os.path.isdir(os.path.join(path, foldername)):
            continue
        label = int(foldername)
        folderpath = os.path.join(path, foldername)
        for filename in os.listdir(folderpath):
            filepath = os.path.join(folderpath, filename)
            X.append(read_image(filepath))
            y.append(label)
    return np.array(X), np.array(y)

# 训练模型
def train_model(X, y):
    clf = svm.SVC()
    clf.fit(X, y)
    return clf

# 保存模型
def save_model(clf, path):
    from sklearn.externals import joblib
    joblib.dump(clf, path)

# 加载模型
def load_model(path):
    from sklearn.externals import joblib
    return joblib.load(path)

# 预测图片类别
def predict_image_class(clf, img_path):
    X_test = np.array([read_image(img_path)])
    y_pred = clf.predict(X_test)
    return y_pred[0], clf.decision_function(X_test)

# 加载数据集
X, y = load_dataset('path/to/dataset')

# 训练模型
clf = train_model(X, y)

# 保存模型
save_model(clf, 'path/to/model')

# 加载模型
clf = load_model('path/to/model')

# 预测图片类别并打印相似度
img_path = 'path/to/test/image.jpg'
class_label, decision_function = predict_image_class(clf, img_path)
print('Class label:', class_label)
print('Decision function:', decision_function)

这个代码会读取一个文件夹下的所有图片，将它们作为数据集进行学习，并将学习后的模型保存到文件中。你可以使用`load_model`函数来加载这个模型，并使用`predict_image_class`函数来预测一个新图片的类别并打印相似度。

需要注意的是，这个代码只能处理二分类问题。如果你需要处理多分类问题，你可以将`svm.SVC()`替换为`svm.LinearSVC()`，并将`decision_function`替换为`predict_proba`。