# 加载并预处理图片，提取特征向量 features = [] for filename in os.listdir('D:/wjd/2'): if filename.endswith('.png'): img = Image.open(os.path.join('D:/wjd/2', filename)) img = img.convert('RGB') # 将 RGBA 转换为 RGB img = img.resize((224, 224)) x = np.array(img) x = np.expand_dims(x, axis=0) x = preprocess_input(x) feature = model.predict(x) feature = np.squeeze(feature) features = np.array(features) features.append(feature)，出现了AttributeError: 'numpy.ndarray' object has no attribute 'append'这个错误

这个错误通常发生在尝试对 numpy 数组调用 `append` 方法时。在你的代码中，错误是因为在将 `features` 列表转换为 numpy 数组之后，你仍然尝试使用 `append` 方法，但是 numpy 数组没有 `append` 方法。你可以使用 numpy 数组的 `concatenate` 方法或者使用 Python 列表来存储特征向量并将其转换为 numpy 数组。

以下是一种可能的修改方式，使用 Python 列表来存储特征向量，然后在循环结束后将其转换为 numpy 数组：

import os
import numpy as np
from PIL import Image
from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input

# 加载 ResNet50 模型
model = ResNet50(weights='imagenet', include_top=False)

# 加载并预处理图片，提取特征向量
features = []
for filename in os.listdir('D:/wjd/2'):
    if filename.endswith('.png'):
        img = Image.open(os.path.join('D:/wjd/2', filename))
        img = img.convert('RGB') # 将 RGBA 转换为 RGB
        img = img.resize((224, 224))
        x = np.array(img)
        x = np.expand_dims(x, axis=0)
        x = preprocess_input(x)
        feature = model.predict(x)
        feature = np.squeeze(feature)
        features.append(feature)

# 将特征向量转换为 numpy 数组
features = np.array(features)

# 将特征向量进行降维处理
tsne = TSNE(n_components=2)
features_tsne = tsne.fit_transform(features)

# 将特征向量进行聚类，自动确定聚类的数量
dbscan = DBSCAN(eps=5, min_samples=2).fit(features_tsne)
n_clusters = len(set(dbscan.labels_))

# 将每张图片分配到对应的聚类中
for i, label in enumerate(dbscan.labels_):
    filename = os.listdir('D:/wjd/2')[i]
    print('{} belongs to cluster {}'.format(filename, label))

在这个版本的代码中，将特征向量存储在 Python 列表中，并在循环结束后将其转换为 numpy 数组。这个修改应该可以解决 `append` 方法导致的错误。