写一段基于深度学习的图像特征提取的代码

以下是基于深度学习的图像特征提取代码：

import tensorflow as tf
from tensorflow.keras.applications import VGG16

# 加载VGG16模型
vgg16 = VGG16(weights='imagenet', include_top=False, input_shape=(224, 224, 3))

# 冻结模型的前几层
for layer in vgg16.layers[:-4]:
    layer.trainable = False

# 定义输入和输出
input_layer = vgg16.input
output_layer = vgg16.output

# 添加全局平均池化层和全连接层
x = tf.keras.layers.GlobalAveragePooling2D()(output_layer)
x = tf.keras.layers.Dense(512, activation='relu')(x)
x = tf.keras.layers.Dropout(0.5)(x)
x = tf.keras.layers.Dense(256, activation='relu')(x)
x = tf.keras.layers.Dropout(0.5)(x)

# 定义模型
model = tf.keras.models.Model(inputs=input_layer, outputs=x)

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

希望以上代码能够帮助到您。