只用sklearn，实现PCA对人脸图像的降维代码

以下是使用sklearn实现PCA对人脸图像降维的代码示例：

from sklearn.decomposition import PCA
from sklearn.datasets import fetch_lfw_people
import matplotlib.pyplot as plt

# 加载人脸数据集
lfw_people = fetch_lfw_people(min_faces_per_person=70, resize=0.4)
x = lfw_people.data

# 创建PCA对象，将维度压缩到100
pca = PCA(n_components=100)

# 对人脸数据进行降维处理
x_pca = pca.fit_transform(x)

# 观察降维后的数据
fig, axes = plt.subplots(3, 8, figsize=(9, 4),
subplot_kw={"xticks":(), "yticks":()})
for i, ax in enumerate(axes.ravel()):
    ax.imshow(pca.components_[i].reshape(50, 37), cmap="gray")
    ax.set_title("{}. component".format(i+1))
plt.show()

请注意，以上代码只是一个示例，实际应用中需要根据数据集的具体情况对PCA方法进行参数选择和调整。