使用python3.11环境，引用本地同文件已经训练好的模型“ResNet50.py”编写一个可运行的指纹识别登录页面代码，要求是同一个人的指纹才可成功登录，且不调用显卡资源

这个任务涉及到多个领域的知识，包括深度学习、图像处理和Web开发等。下面是一个大致的思路：

1. 读取已经训练好的ResNet50模型，加载权重参数，并定义一个函数，输入一张指纹图像，输出该指纹对应的特征向量。

2. 编写一个Web页面，包含文件上传功能，用户可以上传一张指纹图像。

3. 在后端处理上传的指纹图像，调用第一步中定义的函数，将指纹图像转化为特征向量，并将其与一个数据库中已知的特征向量进行比对。

4. 如果上传的指纹图像与数据库中的指纹属于同一个人，则允许用户登录，否则提示登录失败。

下面是一份简单的代码示例，仅供参考：

from flask import Flask, request, render_template
import numpy as np
from PIL import Image
import tensorflow as tf

# 读取模型
model = tf.keras.models.load_model('ResNet50.h5')

# 定义一个函数，将图像转化为特征向量
def extract_features(img_path):
    img = Image.open(img_path).resize((224, 224))
    img_array = np.array(img) / 255.0
    img_tensor = tf.keras.preprocessing.image.img_to_array(img_array)
    img_tensor = np.expand_dims(img_tensor, axis=0)
    features = model.predict(img_tensor)
    return features.flatten()

# 构建Web应用
app = Flask(__name__)

@app.route('/', methods=['GET', 'POST'])
def login():
    if request.method == 'POST':
        # 读取上传的文件并处理
        file = request.files['file']
        features = extract_features(file)
        
        # 与数据库中的指纹进行比对
        database = [
            extract_features('fingerprints/person1_1.jpg'),
            extract_features('fingerprints/person1_2.jpg'),
            extract_features('fingerprints/person2_1.jpg'),
            extract_features('fingerprints/person2_2.jpg')
        ]
        for feature in database:
            if np.linalg.norm(features - feature) < 0.5:
                return '登录成功！'
        return '登录失败！'
    else:
        return render_template('login.html')

if __name__ == '__main__':
    app.run()

需要注意的是，这份代码仅为一个简单的示例，实际应用中还需要考虑更多的安全性和可靠性问题。