tensorflow - 使用 "tf.contrib.factorization.KMeansClustering"

Question

引用此链接，(the Link) 我尝试练习使用 tf.contrib.factorization.KMeansClustering 进行聚类。下面的简单代码可以正常工作:

import numpy as np
import tensorflow as tf

# ---- Create Data Sample -----
k = 5
n = 100
variables = 5
points = np.random.uniform(0, 1000, [n, variables])

# ---- Clustering -----
input_fn=lambda: tf.train.limit_epochs(tf.convert_to_tensor(points, dtype=tf.float32), num_epochs=1)
kmeans=tf.contrib.factorization.KMeansClustering(num_clusters=6)
kmeans.train(input_fn=input_fn)
centers = kmeans.cluster_centers()

# ---- Print out -----
cluster_indices = list(kmeans.predict_cluster_index(input_fn))
for i, point in enumerate(points):
  cluster_index = cluster_indices[i]
  print ('point:', point, 'is in cluster', cluster_index, 'centered at', centers[cluster_index])

我的问题是为什么这个“input_fn”代码会起作用？ 如果我将代码更改为这样，它将陷入无限循环。为什么？？

input_fn=lambda:tf.convert_to_tensor(points, dtype=tf.float32)

摘自文档(here) ，看来 train() 正在等待 input_fn 的参数，它只是一个 'tf.data.Dataset' 对象，就像 Tensor(X) 一样。那么，为什么我必须对 lambda 做所有这些棘手的事情:tf.train.limit_epochs()？

熟悉 tensorflow 估计器基础知识的人可以帮忙解释一下吗？非常感谢!

Answer 1

My question is why would this "input_fn" code does the trick? If I change the code to this, it will run into an infinite loop. Why??

文档指出，input_fn 会被重复调用，直到返回 tf.errors.OutOfRangeError。用 tf.train.limit_epochs 装饰您的张量可确保最终引发错误，这会向 KMeans 发出信号，表明它应该停止训练。