VLFeat：vl_kmeans中特定数量的群集的ValueError

Question

我有一个大小为301 x 4096的数组，我想为其计算VLAD向量。

我试图用做量化

center, assignments = vlfeat.vl_kmeans(data,8)

但这又回来了

ValueError：太多值无法解包

如果我将群集数从8更改为2，则可以使用。 我也尝试过其他数字，但所有数字都返回相同的ValueError。 除非设置为1，否则返回

ValueError：需要多个值才能解压

可能与我数据中的样本数量有关吗？

Answer 1

Github上提供了与VLFeat的非正式Python接口的来源。

该vl_kmeans默认功能只返回centers ，所以只有一个解压值：

import numpy as np
import vlfeat
x = np.random.rand(10, 8)
centers = vlfeat.vl_kmeans(x, 3)

所得的centers阵列将具有形状(3, 8) ，即3个中心中的每个中心都有一个8维点。

如果要获取每个输入的分配，则必须将quantize选项传递给vl_kmeans函数。 然后，该函数确实返回centers和assignment ，并且这按预期工作：

centers, assignments = vlfeat.vl_kmeans(x, 3, quantize=True)