给我一份基于python语言的识别猫狗的图像识别的实例代码

当然可以，这里提供一个简单的Python示例，使用深度学习库Keras（现在TensorFlow 2.x已包含Keras API）和预训练的VGG16模型来进行猫狗二分类：

from tensorflow.keras.applications.vgg16 import VGG16, preprocess_input
from tensorflow.keras.preprocessing import image
from tensorflow.keras.models import Model
import numpy as np

# 加载预训练的VGG16模型，去掉顶部的全连接层
vgg = VGG16(weights='imagenet', include_top=False, input_shape=(224, 224, 3))

# 获取最后一层的卷积层输出作为特征向量
features = vgg.output
model = Model(inputs=vgg.input, outputs=features)

def predict_image(image_path):
    img = image.load_img(image_path, target_size=(224, 224))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = preprocess_input(x)

    # 使用模型预测特征向量
    features_vec = model.predict(x)
    
    # 将特征向量传入一个简单的分类器（这里仅做展示，实际应用可能需要更大规模的训练）
    # 这里的labels应替换为你训练好的猫狗类别标签
    labels = ['cat', 'dog']
    predicted_class = np.argmax(features_vec)

    return labels[predicted_class]

# 测试
image_path = 'path_to_your_cat_dog_image.jpg'
print(predict_image(image_path))

注意：这只是一个基础示例，实际应用中你还需要准备标注好的数据集进行训练，以及构建或调整分类器。此外，你需要安装相应的库环境才能运行这段代码。