java 重写 tensorflow_TensorFlow2.0怎么实现K_Means

介绍

K_Means其实用sklearn即可，TensorFlow1.0早期版本支持K_Means，在2.0之后，由于很多api废弃，导致实现K_Means有很多坑。以下为踩坑记录。

完整代码路径：https://github.com/lilihongjava/leeblog_python/tree/master/tensorflow_kmeans

数据集

采用sklearn iris.csv数据集，位于data目录下

训练方法

入口代码

tf_k_means_model(feature_column="sepal length (cm),sepal width (cm),petal length (cm),petal width (cm)",

center_count=3, input1="./data/iris.csv", output1="./data/")

采用tf.compat.v1.estimator.experimental.KMeans api，此API是从1.X版本迁移来的，目前处于experimental阶段，用于生产环境要小心！

train方法需要接受输入函数(input function)，input_fn用于将feature和target data传递给Estimator的train/evaluate/predict方法。这里，将numpy数据转换为Tensors。

def input_fn():

return tf.data.Dataset.from_tensors(tf.convert_to_tensor(points, dtype=tf.float32)).repeat(2)

model.train(input_fn)

模型导出

用的是tf.Estimator.export_saved_model方法，需要指定特征列的类型，这里用的是numeric_column

if output1:

my_feature_columns = []

for key in feature_colu