pytorch unsqueeze_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 

cpu和gpu运行的结果对比如下：

可以看到，在特征数<3000的情况下，cpu运行速度更快，但是特征数量超过3000之后，gpu的优势越来越明显。

因为pytorch的矩阵运算接口基本是照着numpy写的，所以numpy的实现方式大概只需要将代码中的torch替换成numpy就可以了。