import numpy as np
import tensorflow as tf
from tensorflow.contrib.factorization import KMeans
# 本代码演示K均值的用法, tensorflow版本必须大于等于V1.1.0
# 代码项目:Project: https://github.com/aymericdamien/TensorFlow-Examples/
# 由于tensorflow实现的K均值算法无法从GPU中获得额外好处,所以我们忽略GPU设备
import os
#os.environ['CUDA_VISIBLE_DEVICES'] = ''
# 导入MNIST数据集
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('../data', one_hot=True)
full_data_x = mnist.train.images # shape:(55000, 784),注意记住这个55000,理解后面会用到
# 模型超参数
num_steps = 50 # 训练的总步数
batch_size = 1024 # 每个batch的样本数
k = 25 # K的大小
num_classes = 10 # 十个数字,这也是模型最终分类的个数
num_features = 784 # 每个图片都是28X28,共784个像素
# 输入图片
X = tf.placeholder(tf.float32, shape=[None, num_features])
# 标注
Y = tf.placeholder(tf.float32, shape=[None, num_classes])
# K-Means的参数,其实是从库里使用提前封装好的图
kmeans &#
K-means 图像聚类
最新推荐文章于 2024-08-30 08:33:56 发布
这篇博客介绍了如何运用TensorFlow实现K-means算法进行图像聚类。通过提供的代码链接,读者可以了解详细步骤,并看到使用sklearn进行模拟的结果展示。
摘要由CSDN通过智能技术生成