tensorflow関数kmeansアルゴリズムの実行。
コードは以下の通りであります：
__future__インポートprint_function ＃すべてのGPUを無視するには、TFランダムフォレストは、ITからメリットはありません。インポートOSのNP ASインポートnumpyのインポートtensorflow TF AS tensorflow.contrib.factorizationインポート関数kmeansから[ "CUDA_VISIBLE_DEVICES"]はos.environ = "" ＃インポートMNISTデータtensorflow.examples.tutorials.mnistインポートINPUT_DATAからMNIST = input_data.read_data_sets（ "./ TMP /データ/"、one_hot = TRUE）full_data_x mnist.train.images = ＃パラメータnum_steps = 50＃合計トレーニングステップの数= 1024＃バッチ番号BATCH_SIZE クラスタ用のK = 25＃番号num_classesを= 10＃10ベースのデジタルnum_features = 784＃28 * 28 = > 784 クラス特徴＃入力画像
= Tf.placeholder X-（tf.float32、形状=なし、NUM_FEATURES]）
＃タグ（中心点、テストに割り当てられたタグ）
Y = tf.placeholder（tf.float32、形状=なし、num_classes]） ＃関数kmeansパラメータ関数kmeans関数kmeans =（X-入力=、K = num_clusters、distance_metric = '余弦'、 use_mini_batch = TRUE） ＃確立関数kmeans図training_graph = kmeans.training_graph（）。＃1.4 Tensorflow：lenのIF（training_graph）> 6 + （all_scores、cluster_idx、スコア、cluster_centers_initialized、 cluster_centers_var、init_op、train_op）= training_graph 他： （all_scores、cluster_idx、スコア、cluster_centers_initialized、 init_op、train_op）= training_graph
= FIXためcluster_idx cluster_idx [0]＃タプルcluster_idxある
avg_distance = tf.reduce_mean（スコア）＃初期化パラメータinit_varsをtf.global_variables_initializer =（）＃TensorFlowオープンセッションのSES = tf.Session（HTTP：//www.my516 .COM） ＃初期化sess.run（init_vars、feed_dict = {X-：full_data_x}）sess.run（init_op、feed_dict = {X-：full_data_x}） ＃訓練範囲でI（1、num_steps + 1）： _ 、D、IDX = sess.run（[train_op、avg_distance、cluster_idx]、 feed_dict = {X-：full_data_x}） IF％10 == I == 0 1又はI： プリント（「ステップI％、平均距離：F％ 「％（I、D））各ドットアロケーションテーブル＃前
最も近いサンプルに対する管理と＃トレーニングラウンド各ラベル粒子タグ（「IDX」）の粒子の総数を計算するために
カウントし=のnp.zeros（形状=（K、num_classes））
レンジ（LEN（IDX）におけるIのための）：
カウント[IDX [I] + = mnist.train.labels [I]
最高周波数粒子に割り当てられた＃タグ
[Cのカウントにnp.argmax（C）] labels_map =
labels_map = tf.convert_to_tensor（labels_map）評価＃1 ＃centroid_id - >ラベルcluster_label = tf.nn.embedding_lookup（labels_map、cluster_idx） ＃計算精度correct_prediction = tf.equal（cluster_label、tf.cast（tf.argmax（Y ,. 1）、tf.int32））accuracy_op tf.reduce_mean =（tf.cast（correct_prediction、tf.float32）） ＃テストモデルtest_x、test_y = mnist.test.images、mnist.test.labels
プリント（ "試験精度："、sess.run（accuracy_op、feed_dict = {X：test_x、Y：test_y}））
結果：
ステップ1、平均距離：0.341471
ステップ10、平均距離：0.221609
ステップ20、平均距離：0.220328
ステップ30、平均距離：0.219776
ステップ40、平均距離：0.219419
ステップ50、平均距離：0.219154
試験精度：0.7127
---- -----------------