我目前正在使用 tensorflow.contrib.factorization 模块中的 KMeans 类。我的输入是(假设所有变量都已定义):
kmeans = KMeans(inputs=X, num_clusters=k, distance_metric='cosine', use_mini_batch=True)
我正在关注 https://www.tensorflow.org/api_docs/python/tf/contrib/factorization/KMeans 上的文档解压值，如:
(all_scores, cluster_idx, scores, cluster_centers_initialized, init_op, train_op) = kmeans.training_graph()
我得到错误:
----> (all_scores, cluster_idx, scores, cluster_centers_initialized, init_op, train_op) = kmeans.training_graph()
ValueError: too many values to unpack
我强烈猜测上述链接中的文档未更新，因为kmeans.training_graph() 的输出是:
((<tf.Tensor 'sub_14:0' shape=(?, ?) dtype=float32>,),
(<tf.Tensor 'Squeeze_7:0' shape=<unknown> dtype=int64>,),
(<tf.Tensor 'Squeeze_6:0' shape=<unknown> dtype=float32>,),
<tf.Variable 'initialized_3:0' shape=() dtype=bool_ref>,
<tf.Variable 'clusters_3:0' shape=<unknown> dtype=float32_ref>,
tf.Tensor 'cond_3/Merge:0' shape=() dtype=bool>,
<tf.Operation 'group_deps_3' type=NoOp>)
请通过阅读文档让我知道我不知道的额外返回值是多少。
请您参考如下方法:
更新:来自history of the file clustering_ops.py (master branch) ，附加值 (cluster_centers_vars) 似乎在 following commit from 6.Oct 中被删除了，即它推出后不久。
这意味着您的初始代码应该可以与更新版本的 TF 完美配合，即
(all_scores, cluster_idx, scores, cluster_centers_initialized, init_op, train_op) = kmeans.training_graph()
现在应该又好了。
但是，结果是您无法通过 kmeans.training_graph() 函数获取聚类中心。
如果要获取聚类中心，有两种解决方案。
第一个解决方案很简单，即使用文件 kmeans.py 中定义的 KMeansClustering 估计器.更具体地说，您可以使用方法 KMeansClustering.cluster_centers()。
第二种解决方案是一种变通方法。如果您不使用 KMeansClustering 估计器，而只使用文件 clustering_ops.py 中定义的 KMeans 图构造函数, 那么你仍然可以通过读取全局 TF 变量 'clusters:0' 来获取聚类中心:
tf_vble_cluster_centers = tf.global_variables('clusters:0')[0] # get the global TF variable 'clusters:0'
cluster_centers = sess.run(tf_vble_cluster_centers) # evaluate its contents
print(cluster_centers.shape) # nr. rows = nr. of clusters, nr. columns = nr. dimensions
print(cluster_centers[0]) # print cluster centers for the first cluster
