写python代码，读取文件夹中图片，用神经网络对图片进行特征提取，对提取到的特征进行k-means聚类，显示聚类结果图，并将聚类后的结果保存到新的文件夹中

以下是一个示例代码，需要根据具体情况进行修改：

import os
import cv2
import numpy as np
from sklearn.cluster import KMeans

# 读取文件夹中的图片，获取特征向量
def get_features(folder_path):
    features = []
    for file_name in os.listdir(folder_path):
        if file_name.endswith(".jpg"):
            file_path = os.path.join(folder_path, file_name)
            img = cv2.imread(file_path)
            img = cv2.resize(img, (224, 224)) # 调整图片大小
            feature = extract_feature(img) # 提取特征
            features.append(feature)
    return np.array(features)

# 提取图片特征，这里使用了一个预训练的神经网络模型
def extract_feature(img):
    # TODO: 替换为你自己的神经网络模型
    model = None
    feature = model.predict(img)
    return feature.flatten()

# 对特征向量进行k-means聚类
def kmeans_cluster(features, n_clusters):
    kmeans = KMeans(n_clusters=n_clusters)
    kmeans.fit(features)
    return kmeans.labels_

# 显示聚类结果图
def show_cluster_result(folder_path, labels):
    for i, file_name in enumerate(os.listdir(folder_path)):
        if file_name.endswith(".jpg"):
            file_path = os.path.join(folder_path, file_name)
            img = cv2.imread(file_path)
            img = cv2.resize(img, (224, 224)) # 调整图片大小
            label = labels[i]
            cv2.putText(img, str(label), (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1.0, (0, 255, 0), 2)
            cv2.imshow("Cluster Result", img)
            cv2.waitKey(0)

# 将聚类后的结果保存到新的文件夹中
def save_cluster_result(folder_path, labels):
    for i, file_name in enumerate(os.listdir(folder_path)):
        if file_name.endswith(".jpg"):
            file_path = os.path.join(folder_path, file_name)
            label = labels[i]
            new_folder_path = os.path.join(os.path.dirname(folder_path), "cluster_" + str(label))
            if not os.path.exists(new_folder_path):
                os.makedirs(new_folder_path)
            new_file_path = os.path.join(new_folder_path, file_name)
            os.rename(file_path, new_file_path)

# 主函数
if __name__ == "__main__":
    folder_path = "path/to/folder" # 文件夹路径
    n_clusters = 5 # 聚类数
    features = get_features(folder_path)
    labels = kmeans_cluster(features, n_clusters)
    show_cluster_result(folder_path, labels)
    save_cluster_result(folder_path, labels)

其中 `extract_feature` 函数需要替换为你自己的神经网络模型，可以使用预训练的模型或者自己训练的模型。另外，聚类结果可能会因为随机初始化而有所不同。