调用kmeans_使用Pytorch实现Kmeans聚类

Kmeans是一种简单易用的聚类算法，是少有的会出现在深度学习项目中的传统算法，比如人脸搜索项目、物体检测项目（yolov3中用到了Kmeans进行anchors聚类）等。

一般使用Kmeans会直接调sklearn，如果任务比较复杂，可以通过numpy进行自定义，这里介绍使用Pytorch实现的方式，经测试，通过Pytorch调用GPU之后，能够提高多特征聚类的速度。

import torch
import time
from tqdm import tqdm

class KMEANS:
    def __init__(self, n_clusters=20, max_iter=None, verbose=True,device = torch.device("cpu")):

        self.n_cluster = n_clusters
        self.n_clusters = n_clusters
        self.labels = None
        self.dists = None  # shape: [x.shape[0],n_cluster]
        self.centers = None
        self.variation = torch.Tensor([float("Inf")]).to(device)
        self.verbose = verbose
        self.started = False
        self.representative_samples = None
        self.max_iter = max_iter
        self.count = 0
        self.device =